使用正则表达式获取所有主题标签

Question

我正在研究最近的课程标签#BalanceTonPorc。我试图让所有这些哈希标签出现在推文中，但当然没有人使用相同的格式。

有些人使用#BalanceTonPorc，一些#balancetonporc和儿子等等。

使用gsub，我到目前为止已经做到了这一点：

df$hashtags <- gsub(".alance.on.orc", "BalanceTonPorc", df$hashtags) 

哪些我想要做什么，这包括hashtag的所有变化都在相同的一个存储。但是还有很多其他的变化。有些人使用#BalanceTonPorc...或#BalanceTonPorc.

有没有办法有一个正则表达式，说我想包含.alance.on.orc并且加上之后的每个字符可能的一切，除了,（因为它分离＃标签）？这里是一个截图来说明我的意思。

我也有另外一个问题，在我的频率表我有两次#BalanceTonPorc，所以我猜[R必须考虑它们是不同的。您看得出来差别吗？

Answer 1

您可以使用[^,]*匹配任何字符，但,，0+事件：

gsub(".alance.on.orc[^,]*", "BalanceTonPorc", df$hashtags) 

或者，要完全匹配balancetonporc，

gsub("balancetonporc[^,]*", "BalanceTonPorc", df$hashtags, ignore.case=TRUE) 

看到一个regex demo和R online test：

x <- c("#balancetonPorc#%$%#$%^","#balancetonporc#%$%, text") 
gsub("balancetonporc[^,]*", "BalanceTonPorc", x, ignore.case=TRUE) 
# => [1] "#BalanceTonPorc"  "#BalanceTonPorc, text"