r - str_replace_all 不适用于包含括号的字符串

Question

我有以下 df

library(tidyverse)

a <- tibble(country = c(
     "Bolivia (Estado Plurinacional de)",
     "Corea del Sur (República de)",
     "Reino Unido de Gran Bretaña e Irlanda del Norte",
     "Venezuela (República Bolivariana de)",
     "Congo (República Democrática del)",
     "República Árabe Siria"
))

然后，我尝试用 str_replace_all 函数替换国家/地区

dict <- c(
 "Bolivia (Estado Plurinacional de)" = "Bolivia",
 "Corea del Sur (República de)" = "Corea del Sur",
 "Reino Unido de Gran Bretaña e Irlanda del Norte" = "Reino Unido",
 "Venezuela (República Bolivariana de)" = "Venezuela",
 "Congo (República Democrática del)" = "Congo",
 "República Árabe Siria" = "Siria"
)

a$country %>% str_replace_all(pattern = dict)

但该代码不适用于所有字符串，例如委内瑞拉 (República Bolivariana de) 或刚果 (República Democrática del)。有人可以帮我解决这个问题吗？

非常感谢

Answer 1

只需将您的字典替换为

dict <- c(
  "Bolivia \\(Estado Plurinacional de\\)" = "Bolivia",
  "Corea del Sur \\(República de\\)" = "Corea del Sur",
  "Reino Unido de Gran Bretaña e Irlanda del Norte" = "Reino Unido",
  "Venezuela \\(República Bolivariana de\\)" = "Venezuela",
  "Congo \\(República Democrática del\\)" = "Congo",
  "República Árabe Siria" = "Siria"
)

在正则表达式中，括号是特殊字符。因此，您必须使用转义字符，在本例中为 \\( 和 \\) 而不是 ( 和 ).

使用这个新的dict你的代码返回

> a$country %>% str_replace_all(pattern = dict)
[1] "Bolivia"       "Corea del Sur" "Reino Unido"   "Venezuela"     "Congo"         "Siria"