R语言替换含斜杠特殊字符的非统一模式子串

手头有一份数据，其中某个变量的取值格式不统一，需要编写R代码，移除该变量字符串中符合特定规则的片段。此前参考过多个R字符串处理相关的公开讨论内容，但均未覆盖当前遇到的实际场景。

c <-  c("1998/123; 2001","181;2002/12","212")
c1 <- gsub("[0-9]/[0-9]", "", c) # 返回 19923;2001, 181;2002, 212
c2 <- gsub("[0-9]/*", "", c) # 返回 ";"、 " "、";"、""
c3 <- gsub("[0-9][0-9][0-9][0-9]/", "", c) # 返回 123;2001, 181;12, 212 
c4 <- gsub("*[0-9]/[0-9]*", "", c) # 返回 199, 200, 212 
c5 <- gsub(" */* ", "", c) # 原字符串无变化
c6 <- str_replace_all(c,"/","") # 返回 1998123, 200212, 212
c7 <- grep(fixed("/"), c, invert=TRUE, value = TRUE) # 返回 212

• 斜杠/前固定为4位数字，斜杠后可接3-8位数字
• 各子串以分号;作为分隔符
• 需求：将所有包含斜杠/的子串替换为空，预期返回结果为c(";2001", "181;" ,"212")

• c1的正则仅匹配「单个数字+斜杠+单个数字」的3字符片段，会误删斜杠前后各1位数字，剩余数字会错误拼接
• c2的正则匹配「单个数字+0个或多个斜杠」，会删除几乎所有数字，最终仅剩余分隔符和空格
• c3的正则仅匹配斜杠前的4位数字和斜杠本身，未覆盖斜杠后的数字部分，会导致斜杠后数字残留
• c4的正则语法不合法（量词*不能直接放在表达式开头），匹配逻辑混乱，会误删大量无关数字
• c5的正则仅匹配「可选空格+斜杠+可选空格」，完全未覆盖数字部分，无法对字符串做有效修改
• c6仅删除斜杠字符本身，斜杠前后的数字会直接拼接为连续字符串，没有移除整个带斜杠的子串
• c7的逻辑是直接丢弃所有包含斜杠的完整字符串，而非删除字符串内带斜杠的子串，最终仅返回完全不含斜杠的"212"

通过两步正则替换即可实现需求，全程使用base R函数无需加载第三方包：第一步匹配所有「4位数字+斜杠+连续数字」的片段替换为空，第二步清理分号后多余的空格，代码如下：

c <-  c("1998/123; 2001","181;2002/12","212")
# 第一步：删除所有符合「4位数字+/+数字」规则的斜杠片段
step1 <- gsub("\\d{4}/\\d+", "", c)
# 第二步：清理分号后多余的空格
res <- gsub(";\\s+", ";", step1)

# 查看输出，与预期结果完全一致
print(res)
# [1] ";2001" "181;"  "212"

如果需要严格遵循斜杠后接3-8位数字的规则，只需要把第一步正则里的\\d+（匹配1位及以上数字）替换为\\d{3,8}即可，可根据实际数据的格式调整匹配的数字长度范围。

内容的提问来源于stack exchange，提问作者PhD Student