R GSUB私は、次のベクトル持っている唯一の文字列

Question

の末尾に単語バリエーションを削除します。

a <- c("SOCORRO SANTANDER", "SANTANDER DE QUILICHAO", 
     "LOS PATIOS NORTE DE SANTANDER", "LOS PATIOS NTE DE S DER") 

をし、「SANTANDER」の出現をすべて削除する必要がありますか（既存の場合、およびNORTEまたはその略語の前に）それは略語です文字列の末尾にの場合はのみです。 （それが失敗した理由をコメントで）

は、これまで私が試してみた：

gsub("(.*)(N.*DER$)", "\\1", a)  # Fails at SOCORRO 
gsub("(.*)(N.*DER$| DER$)", "\\1", a) # Only removes DER at LOS PATIOS 
gsub("(.*)([ N.*DER$]|[ DER$])", "\\1", a) # Removes trailing R (??) 
gsub("(.*)(N?.*DER$)", "\\1", a) # Fails removing " NTE DE S" and "NORTE DE" 

ので、特に、私は十分に文字列、が、より多くの不要な部分を削除する方法を知りたいです一般的にはこのような状況をテストする正規表現を作成する正しい方法を知りたいと思います（私の最初の執筆は「OR（|）をグループ内で使用する」ということでした）。

期待される結果は次のとおりです。

a 
## [1] "SOCORRO" "SANTANDER DE QUILICHAO" "LOS PATIOS" "LOS PATIOS" 

Answer 1

我々はgsub()を必要としない

sub("(.*)(\\s+N.*(DER)$)|\\s+SANTANDER$", "\\1", a) 
#[1] "SOCORRO"    "SANTANDER DE QUILICHAO" "LOS PATIOS"    
#[4] "LOS PATIOS"  

それとも

sub("\\s+(N(\\S+\\s+){1,}|)\\S*DER$", "", a) 
#[1] "SOCORRO"    "SANTANDER DE QUILICHAO" "LOS PATIOS"    
#[4] "LOS PATIOS" 

Answer 2

sub('(\\s*\\b(NORTE\\s+DE|NTE\\s+DE))?\\s*\\b(SANTANDER|S\\s+DER)$','',a); 
## [1] "SOCORRO" "SANTANDER DE QUILICHAO" "LOS PATIOS" "LOS PATIOS" 

• を試すことができ、同じ文字列内で複数回一致する必要はないからです。
• ブラケット式は1文字にのみ一致するため、この正規表現には適切ではありません。
• ドル文字は、ブラケット式の外にあるときのみ特殊です。
• あなたは、正規表現と完全長の単語の両方を同じ正規表現と一致させようとしたようです。これに対して私は助言するだろう。彼らは概念的に全く異なる部分です。単語とその省略形が接尾辞を共有する場合、それは状況です。その事実の周りに正規表現を構築すべきではありません。したがって、ここでは交替が最も適切だと思います。