从 R 中推文的开头和结尾删除主题标签

Question

我正在尝试从 R 中的字符串开头删除主题标签。 例如：

 x<- "I didn't know it could be #boring. guess I need some fun #movie #lateNightThoughts"

我想删除字符串末尾的 #lateNightThoughts 和 #movie 主题标签。结果：

 - "I didn't know it could be #boring. guess I need some fun"

我试过了：

stringi::stri_replace_last_regex(x,'#\\S+',"")

但它只删除最后一个标签。

- "I didn't know it could be #boring. guess I need some fun #movie "

知道如何获得预期的结果吗？

编辑：

如何从文本开头删除主题标签？ 例如：

x<- "#Thomas20 I didn't know it could be #boring. guess I need some fun #movie #lateNightThoughts"

Answer 1

你可以使用

>  x<- "I didn't know it could be #boring. guess I need some fun #movie #lateNightThoughts"
> sub("\\s*\\B#\\w+(?:\\s*#\\w+)*\\s*$", "", x)
[1] "I didn't know it could be #boring. guess I need some fun"

或者，如果您不关心要开始匹配的第一个 # 的上下文，您甚至可以使用

sub("(?:\\s*#\\w+)+\\s*$", "", x)

请参阅regex demo。

详情

• \s* - 零个或多个空格
• \B - 在当前位置之前，可以有字符串或非单词字符的开头（这通常用于确保您不匹配“单词”内的#，所以如果您不需要它，你可以删除这个非单词边界）
• # - 一个 # 字符
• \w+ - 1 个或多个单词字符（字母、数字或 _）
• (?:\s*#\w+)* - 零次或多次出现：
  • \s* - 零个或多个空格
  • # - 一个 # 字符
  • \w+ - 1+ 个单词字符
• \s* - 零个或多个空格
• $ - 字符串结束。