從 R 中的另一個字符串列條件的字符串列中刪除所有內容

Question

我試圖清理一個包含辯論期間長篇演講的專欄。 現在，每一行都以一個新的演講者開始，但是，副標題之類的東西保留在每個演講的結尾，這是不可取的。

以下是一些示例數據：

speeches <- tibble(subheader = c("3.Discussion", "8.Voting"),
                   full_speech = c("I close this part. 3.Discussion Let's start with",
                                   "I think we can vote now")
                   )

期望的結果：

subheader      full_speech
3. Discussion  I close this part.
8. Voting      I think we can vote now

到目前為止我嘗試了什么：

speeches %>%
    mutate(full_speech = str_remove(full_speech, subheader))

但是當然這只會刪除子標題而不是它們之后的內容。

Answer 1

我們可以用.*粘貼subheader以匹配子標題后的任何字符

library(dplyr)
library(stringr)
speeches %>% 
  mutate(full_speech = str_remove(full_speech, str_c("\\s+", 
      subheader, ".*")))

-輸出

# A tibble: 2 × 2
  subheader    full_speech            
  <chr>        <chr>                  
1 3.Discussion I close this part.     
2 8.Voting     I think we can vote now

Answer 2

一種使用sub和paste從subheader構造替換的方法。

library(dplyr)

speeches %>% 
  rowwise() %>%
  mutate(full_speech = gsub(
           paste0(" ", subheader, ".*", collapse=""), "", full_speech)) %>% 
  ungroup()
# A tibble: 2 × 2
  subheader    full_speech            
  <chr>        <chr>                  
1 3.Discussion I close this part.     
2 8.Voting     I think we can vote now