R语言如何替换字符串中指定单词第二次出现的内容

问题场景 #

处理数据框字符串列时，需要仅将每个字符串中第二次出现的独立单词CARS替换为空，保留其余位置的CARS。直接使用gsub会全局替换所有匹配项，无法满足定向替换第二次匹配内容的需求。

测试初始代码：

CAR_ID <- c(5001,5002)
CAR_Details <- c(" CARS THIS CARS BUSINESS IS NOT JUST BUYING CARS", " CARS BUSINESS INVOLVES DEALING WITH OLD CARS AS WELL AS NEW CARS")
df1 <- data.frame(CAR_ID,CAR_Details)

预期输出：

CAR_ID                                         CAR_Details
1   5001          CARS THIS BUSINESS IS NOT JUST BUYING CARS
2   5002 CARS BUSINESS INVOLVES DEALING WITH OLD AS WELL AS NEW CARS

实现方法 #

通过sub配合非贪婪匹配的正则捕获组即可实现，不需要额外加载第三方包，核心逻辑是定位到第二次出现的CARS后仅替换该位置内容，同时自动清理替换后残留的多余空格：

# 核心替换逻辑
df1$CAR_Details <- sub("^(.*?\\bCARS\\b.*?)\\bCARS\\b\\s*", "\\1", df1$CAR_Details)
# 可选：清理字符串首尾的多余空格
df1$CAR_Details <- trimws(df1$CAR_Details)

逻辑说明 #

• 正则中\\b为单词边界，避免误匹配包含CARS字符的其他长单词
• 非贪婪匹配符.*?会匹配尽可能少的内容，保证第一个捕获组仅捕获到第一次出现CARS之后、第二次CARS之前的所有内容
• 匹配到的第二次CARS及其后续跟随的空白字符会被替换为空，不会留下连续空格
• 这里用sub而非gsub，因为我们构造的正则仅会命中第二次出现的目标词，单次替换即可完成需求，不会误改其他位置的内容

运行上述代码后得到的结果和预期完全一致。

内容的提问来源于stack exchange，提问作者BobbyG