R语言如何删除字符串中0.00之后的所有多余无效内容？

实现方法 #

你可以直接通过R内置的正则替换函数截断0.00后的所有无效内容，操作如下：

核心代码 #

假设你的原始数据存储在字符串向量pop_data中：

# 通用方案：所有行只要出现0.00，就截断其后的所有内容，保留0.00本身
pop_clean <- sub(pattern = "0\\.00.*", replacement = "0.00", x = pop_data)

可选优化方案 #

如果你担心正常行的0.00被误处理，可以仅对包含HTML标签的异常行执行清理：

# 先判断行内是否存在HTML标签，仅对异常行做截断
pop_clean <- ifelse(
  test = grepl(pattern = "<[^>]+>", x = pop_data),
  yes = sub(pattern = "0\\.00.*", replacement = "0.00", x = pop_data),
  no = pop_data
)

说明 #

• 正则中\\.用来转义匹配小数点，避免.匹配任意字符导致匹配错误
• .*表示匹配任意数量的任意字符，因此0\\.00.*可以命中从第一个0.00到字符串末尾的所有内容
• 处理完成后，异常的梵蒂冈行数据会被清理为标准格式："Holy See 801 0.25 2 2003 0 N.A. N.A. N.A. 0.00"

内容的提问来源于stack exchange，提问作者user16596066