删除R中字符串中的特殊字符

我想清理使用R中正则表达式的字符串。我想删除任何不是AlphaNumeric或标点符号的东西。删除R中字符串中的特殊字符

我使用GSUB并一直在使用

gsub("[^[:alnum:]]", " ", x)

但这删除标点符号。有没有办法添加“[[：punct：]]”并将两者结合起来。

感谢

来源

2017-10-08 Michael Montgomery

你可以用' “[^ [：alnum：] [：PUNCT：]] +”“ - 个人而言，我会用'+'末来替代多个字符只有一个空间。 – Rentrop

这是否意味着你只是想用空格char替换任何空白字符？因为'[^ [：alnum：] [：punct：]]'基本上匹配空格。 –

也许你想用'gsub（“[^ A-Za-z0-9 \\ p {P}]”，“”，x，perl = TRUE）'来代替非ASCII字母/数字和标点符号（但不是符号）？ –

你可以试试这个（run here）：

x <- "1 [email protected]#[email protected][email protected]#[email protected]#[email protected]#! 11 ;'. R Tutorial" 
gsub("[^A-Za-z0-9,;._-]","",x)

包括其他标点符号根据自己的需要

来源

2017-10-08 11:37:21

我觉得stringr和画谜是非常方便的包装打造的正则表达式

> library(stringr) 
> library(rebus) 
> # string 
> x <- "1 [email protected]#[email protected][email protected]#[email protected]#[email protected]#! 11 ;'. R Tutorial" 
> 
> # define the pattern 
> pat<-or(WRD,char_class(",;._-")) 
> # the regex of the pattern 
> pat 
<regex> (?:\w|[,;._-]) 
> # split the string into single character 
> x1<-unlist(str_split(x,"")) 
> # subset the character based on the pattern and collapse them 
> str_c(str_subset(x1,pat),collapse = "") 
[1] "111;.RTutorial"

如果您想使用t他[：PUNCT：]正则表达式

> # define the pattern using puntc 
> pat2<-or(WRD,PUNCT) 
> # the regex of the pattern 
> pat2 
<regex> (?:\w|[:punct:]) 
> # subset the character based on the pattern and collapse them 
> str_c(str_subset(x1,pat2),collapse = "") 
[1] "[email protected]#[email protected][email protected]#[email protected]#[email protected]#!11;'.RTutorial"

来源

2017-10-08 13:33:25

删除R中字符串中的特殊字符

回答

相关问题