从R中的字符串中删除括号和文本

Question

在 R 中，我有一个公司列表，例如：

companies  <-  data.frame(Name=c("Company A Inc (COMPA)","Company B (BEELINE)", "Company C Inc. (Coco)", "Company D Inc.", "Company E"))

我想删除带括号的文本，最终得到以下列表：

                  Name
1        Company A Inc 
2            Company B
3       Company C Inc.
4       Company D Inc.
5            Company E

我尝试的一种方法是拆分字符串，然后使用 ldply：

companies$Name <- as.character(companies$Name)
c<-strsplit(companies$Name, "\\(")
ldply(c)

但由于并非所有公司名称都有括号部分，所以它失败了：

Error in list_to_dataframe(res, attr(.data, "split_labels"), .id, id_as_factor) : 
  Results do not have equal lengths

我没有嫁给 strsplit 解决方案。无论删除该文本和括号都可以。

Answer 1

在你的情况下，它会达到预期的结果，如果你删除以 ( 开头的所有内容。

sub(" \\(.*", "", companies$Name)
#[1] "Company A Inc"  "Company B"      "Company C Inc." "Company D Inc." "Company E"     

要从字符串中删除括号和文本，您可以使用。

sub("\\(.*)", "", c("ab (cd) ef", "(ij) kl"))
#[1] "ab  ef" " kl"   

如果有多个括号：

gsub("\\(.*?)", "", c("ab (cd) ef (gh)", "(ij) kl"))
#[1] "ab  ef " " kl"    

( 需要转义 \\(，. 表示所有内容，* 表示重复 0 到 n，? 表示不贪心从第一个匹配到最后一个匹配项中删除所有内容。

作为替代方案，您可以使用 [^)] 什么意思，但不是 )。

sub("\\([^)]*)", "", c("ab (cd) ef", "(ij) kl"))
#[1] "ab  ef" " kl"   

gsub("\\([^)]*)", "", c("ab (cd) ef (gh)", "(ij) kl"))
#[1] "ab  ef " " kl"    

如果有嵌套括号：

gsub("\\(([^()]|(?R))*\\)", "", c("ab ((cd) ef) gh (ij)", "(ij) kl"), perl=TRUE)
#[1] "ab  gh " " kl"

其中a(?R)z 是一个递归，它匹配一个或多个字母a，后跟完全相同数量的字母z。

Answer 2

如果括号成对且平衡，则可以使用

gsub("\\s*(\\([^()]*(?:(?1)[^()]*)*\\))", "", x, perl=TRUE)

参见regex 和R demo online：

companies  <-  data.frame(Name=c("Company A Inc (COMPA)","Company B (BEELINE)", "Company C Inc. (Coco)", "Company D Inc.", "Company E"))
gsub("\\s*(\\([^()]*(?:(?1)[^()]*)*\\))", "", companies$Name, perl=TRUE)

输出：

[1] "Company A Inc"  "Company B"      "Company C Inc." "Company D Inc."
[5] "Company E"     

正则表达式详细信息

• \s* - 零个或多个空格
• (\([^()]*(?:(?1)[^()]*)*\)) - 捕获组 1（需要递归括号之间的模式部分）：
  • \( - 一个 ( 字符
  • [^()]* - 除了 ( 和 ) 之外的零个或多个字符
  • (?:(?1)[^()]*)* - 整个第 1 组模式出现零次或多次（(?1) 是递归第 1 组模式的正则表达式子例程），然后出现零个或多个除 ( 和 ) 之外的字符
  • \) - ) 字符。

Answer 3

您可以使用stringr::str_replace。这很好，因为它接受因子变量。

companies <- data.frame(Name=c("Company A Inc (COMPA)","Company B (BEELINE)", 
                               "Company C Inc. (Coco)", "Company D Inc.", 
                               "Company E"))

library(stringr)
str_replace(companies$Name, " \\s*\\([^\\)]+\\)", "")
# [1] "Company A Inc"  "Company B"      "Company C Inc." 
# [4] "Company D Inc." "Company E"

如果你仍然想使用strsplit，你可以这样做

companies$Name <- as.character(companies$Name)
unlist(strsplit(companies$Name, " \\(.*\\)"))
# [1] "Company A Inc"  "Company B"      "Company C Inc."
# [4] "Company D Inc." "Company E" 

Answer 4

另一个gsub 解决方案：用"" 替换前面带有可选空格的括号中的术语，即空字符串

gsub("(\\s*\\(\\w+\\))", "", companies$Name)

[1] "Company A Inc"  "Company B"      "Company C Inc." "Company D Inc."
[5] "Company E" 

Answer 5

library(qdap)
bracketX(companies$Name) -> companies$Name

Answer 6

你也可以使用：

library(qdap)
companies$Name <-  genX(companies$Name, " (", ")")

companies
        Name
1  Company A Inc
2       CompanyB
3 Company C Inc.
4 Company D Inc.
5       CompanyE

Answer 7

gsub 应该在这里工作

gsub("\\s*\\([^\\)]+\\)","",as.character(companies$Name))

# [1] "Company A Inc"  "Company B"      "Company C Inc."
# [4] "Company D Inc." "Company E" 

这里我们只是用空替换出现的“(...)”（同时删除任何前导空格）。 R 使它看起来比我们必须为括号做的所有转义更糟糕，因为它们是正则表达式中的特殊字符。