主页 / coding / 问题 / 78980495
Accepted
missanita
Asked: 2024-09-13 11:20:50 +0800 CST

删除 R 中字符串末尾的所有标点符号及其后的值

  • 772

我有一个来自 35 家不同医院的 ID 变量，因此该变量有各种不同的排列，有时它具有相同的根 ID 号和辅助线号 - 例如 -1、/a、_1 等。

我想删除标点符号以及标点符号后面的任何内容，只留下根 ID 号。

我目前已经设法为每个不同的迭代写出单独的代码行，但我想知道是否有更优雅的方法，以便明年当数据进入时我不需要检查不同的安排？

在别人的问题上，我设法找到了一种方法来删除括号和括号内的所有文本，但我似乎无法弄清楚如何为我的目的操作它

df$patid<- gsub("\\s*\\([^\\)]+\\)","",df$patid)

我尝试了这两个代码，但没有成功

df$patid<- gsub("\\[:punct:]s*$","", df$patid)
df$patid<- gsub("\\[:alnum:]s*$","", df$patid)

我也尝试了该clean功能，它删除了所有标点符号，但保留了后面的数字/字符，所以不是这样。

我当前代码的示例（并非所有可能的迭代） - 这些确实有效

df$patid<- gsub("\\-1$", "", df$patid)
df$patid<- gsub("\\-2$", "", df$patid)
df$patid<- gsub("\\-3$", "", df$patid)
df$patid<- gsub("\\-a$", "", df$patid)
df$patid<- gsub("\\-A$", "", df$patid)
df$patid<- gsub("\\-b$", "", df$patid)
df$patid<- gsub("\\-B$", "", df$patid)
df$patid<- gsub("\\b", "", df$patid)
df$patid<- gsub("\\/dd", "", df$patid)

不受束缚gsub，可以接受不同的方法。

身份证号码示例

patid<- c("MB-13-169454", "MB-13-179455", "MB-13-212235.1", "MB-13-212235.2", "MB-13-224683", "570548260-2", "570548260-3", "1458629P-2", "1139093D-2", "8253015N/2", "8253015N/3", "M255858/1", "M255858/2", "8494392Q/2", "9296741B/2", "04152341421/A", "04152341421/B", "04152640475/B", "04152821164/A", "G140381883_1", "G140381883_2", "G140880774_1", "G140880774_2")

如果这个问题已经在别处得到解答，请见谅

2 个回答

  1. Best Answer

    您所描述的文字正则表达式为：

    [[:punct:]][^[[:punct:]]]*$

    这将匹配最后一个标点符号，后跟其后的任何内容，直到字符串末尾。

    patid <- c("MB-13-169454", "MB-13-179455", "MB-13-212235.1", "MB-13-212235.2", "MB-13-224683", "570548260-2", "570548260-3", "1458629P-2", "1139093D-2", "8253015N/2", "8253015N/3", "M255858/1", "M255858/2", "8494392Q/2", "9296741B/2", "04152341421/A", "04152341421/B", "04152640475/B", "04152821164/A", "G140381883_1", "G140381883_2", "G140880774_1", "G140880774_2")
output <- sub("[[:punct:]][^[[:punct:]]]*$", "", patid)
output

 [1] "MB-13-169454" "MB-13-179455" "MB-13-212235" "MB-13-212235" "MB-13-224683"
 [6] "570548260"    "570548260"    "1458629P"     "1139093D"     "8253015N"    
[11] "8253015N"     "M255858"      "M255858"      "8494392Q"     "9296741B"    
[16] "04152341421"  "04152341421"  "04152640475"  "04152821164"  "G140381883"  
[21] "G140381883"   "G140880774"   "G140880774"
    • 5

  2. 您要求的是删除所有标点符号，然后删除字符串末尾的单个字母数字字符。

    gsub("[[:punct:]][[:alnum:]]$", "", x)

    请参阅R 演示。[[:punct:]][[:alnum:]]$符合 TRE 的模式先匹配一个标点符号，然后匹配一个字母数字，然后断言该字母数字字符后是否是字符串结尾。请参阅正则表达式演示。

    要删除字符串末尾的任何标点符号及其后的文本，可以使用

    gsub("[\\p{S}\\p{P}]+[^\\p{S}\\p{P}]*$", "", x, perl=TRUE)

    注意：您也可以使用带函数的相同模式stringr::str_replace_all。此外，您必须使用perl=TRUEingsub才能使此模式正常工作，因为它符合 PCRE 标准，而不是 TRE 标准。

    参见正则表达式演示。

    细节：

    • [\p{S}\p{P}]+- 一个或多个数学符号或标点符号正确字符（请注意，默认引擎使用[:punct:]包含这两个 Unicode 类别的 POSIX 兼容版本，但正则stringr表达式函数中使用的 ICU 正则表达式引擎不符合 POSIX 并且行为不同，这就是我建议这种模式的原因）
    • [^\p{S}\p{P}]*- 零个或多个除数学符号或标点符号专有字符之外的字符
    • $- 字符串结束。

    在线查看R 演示：

    patid <- c("MB-13-169454", "MB-13-179455", "MB-13-212235.1", "MB-13-212235.2", "MB-13-224683", "570548260-2", "570548260-3", "1458629P-2", "1139093D-2", "8253015N/2", "8253015N/3", "M255858/1", "M255858/2", "8494392Q/2", "9296741B/2", "04152341421/A", "04152341421/B", "04152640475/B", "04152821164/A", "G140381883_1", "G140381883_2", "G140880774_1", "G140880774_2")

gsub("[\\p{S}\\p{P}]+[^\\p{S}\\p{P}]*$", "", patid, perl=TRUE)

    输出：

     [1] "MB-13"        "MB-13"        "MB-13-212235" "MB-13-212235" "MB-13"       
 [6] "570548260"    "570548260"    "1458629P"     "1139093D"     "8253015N"    
[11] "8253015N"     "M255858"      "M255858"      "8494392Q"     "9296741B"    
[16] "04152341421"  "04152341421"  "04152640475"  "04152821164"  "G140381883"  
[21] "G140381883"   "G140880774"   "G140880774"

    您可能感到困惑的其他信息：

    • 0

相关问题