R语言如何从多爱好文本列构建仅含音乐项的新变量（gsub实现失败求助）

你之前的代码存在3个关键错误：

• 语法混淆：R的逻辑运算符|不能直接用在gsub的匹配模式里，"Sawing"|"Cooking"在R中会先被计算为逻辑值TRUE，最终只会匹配文本中的"TRUE"字符串，完全达不到删除指定爱好的效果
• 大小写不匹配：你写的匹配项是首字母大写的Sawing/Cooking，但示例数据集里的爱好全是小写的sawing/cooking，无法命中
• 残留字符问题：即使成功删除非目标项，剩余内容会残留多余的逗号、空格（比如删除前两个爱好后会留下", , piano, violin"）

以下方案都可以直接套用，优先推荐提取目标项的思路，比删除非目标项更稳妥，避免遗漏未定义的非音乐爱好。

方案1：Base R 原生实现（无需额外包） #

# 自定义音乐类爱好清单，可自行扩展新增
music_items <- c("piano", "violin")
# 构造正则：匹配完整单词，避免部分内容误匹配
pattern <- paste0("\\b(", paste(music_items, collapse = "|"), ")\\b")

# 逐行提取匹配到的音乐项，用标准逗号空格拼接
df$music <- sapply(regmatches(df$Hobby, gregexpr(pattern, df$Hobby)), 
                   \(x) if(length(x)) paste(x, collapse = ", ") else "")

运行后输出效果：

# A tibble: 4 × 2
  Hobby                           music           
  <chr>                           <chr>           
1 cooking, sawing, piano, violin   piano, violin   
2 cooking, violin                 violin          
3 piano, sawing                   piano           
4 sawing, cooking                 ""              

方案2：修正后的gsub删除思路（如果你更习惯用gsub） #

# 第一步：删除所有非音乐爱好，连带其后的分隔符一起清理
df$music <- gsub("\\b(cooking|sawing)\\b,?\\s*", "", df$Hobby, perl = TRUE)
# 第二步：清理首尾残留的逗号、空格
df$music <- trimws(df$music, which = "both", whitespace = "^[ ,]+|[ ,]+$")

结果和方案1完全一致。

方案3：Tidyverse 直观实现（适合常用dplyr/stringr的用户） #

library(dplyr)
library(stringr)

# 自定义音乐类爱好清单
music_items <- c("piano", "violin")

df <- df %>%
  mutate(
    # 提取所有匹配到的音乐项，拼接为字符串
    music = str_extract_all(Hobby, str_c("\\b(", str_c(music_items, collapse = "|"), ")\\b")) %>%
      map_chr(~ str_c(.x, collapse = ", "))
  )

注意：如果后续要新增音乐类爱好，直接往music_items向量里加对应项即可，不用修改核心逻辑。

内容的提问来源于stack exchange，提问作者Stataq