使用正則表達式刪除第一次出現的特殊字符，直到 R 中的第一個單詞或單詞字符

Question

對於我的項目，我正在考慮根據特殊字符的模式刪除部分文本。 我有一個具有以下結構的 long.txt 文件：

mycharobj=c("---------Some text is here.---------More text is here - [3548]----- Even more text is here.-----------More text is here - [408]--------- Even more text is here again.")

字符串繼續遵循上述模式。

我的目標是刪除以- and end - [number]的部分，例如：

"-----------------------More text is here - [3548]"
"-----------More text is here - [408]"

我打算使用以下內容來刪除這些部分（將來會循環使用）

library(stringr)
library(qdapRegex)

temp=unlist(regmatches(mycharobj, gregexpr("[[:digit:]]+", mycharobj)))
mycharobj=rm_between(mycharobj, "-", paste(temp[1],"]", sep=""))

但為此，我需要一個正則表達式，它將刪除文本中第一次出現的"-----------" ，直到第一個單詞或單詞字符。 如果字符串以文本（單詞或單詞字符）開頭，它需要忽略這一點並識別"-----------"的第一次出現，以便我的潛在循環工作。

我想知道這是否可以用正則表達式來完成？ 任何幫助表示贊賞。 我對此有一個計算要求很高的解決方案； 根據特殊字符“-”拆分字符串，然后通過一組條件識別我需要的文本部分。 但是由於它需要更多的處理時間，因此該解決方案對於處理大量此類.txt 文件的可擴展性不是很高。

Answer 1

您可以使用

gsub("-{9,}(?:(?!-{9}).)*?- \\[\\d+]", "", mycharobj, perl=TRUE)

請參閱正則表達式演示。

詳情：

• -{9,} - 九個或更多-字符
• (?:(?.-{9})?)* - 任何一個字符，除了換行符之外，零個或多個但盡可能少的出現，它不會以九個連字符字符序列開頭
• - \[ - 一個- [字符串
• \d+ - 一位或多位數字
• ] - 一個]字符。