从字符串中删除除选定字符之外的所有字符答案

【问题标题】：Remove from a string all except selected characters从字符串中删除除选定字符之外的所有字符
【发布时间】：2011-06-23 03:29:23
【问题描述】：

我想从字符串中删除所有不是数字、减号或小数点的字符。

我使用read.xls 从 Excel 导入数据，其中包含一些奇怪的字符。我需要将这些转换为数字。我对正则表达式不太熟悉，因此需要一种更简单的方法来执行以下操作：

excel_coords <- c(" 19.53380Ý°", " 20.02591°", "-155.91059°", "-155.8154Â°")
unwanted <- unique(unlist(strsplit(gsub("[0-9]|\\.|-", "", excel_coords), "")))
clean_coords <- gsub(do.call("paste", args = c(as.list(unwanted), sep="|")), 
                     replacement = "", x = excel_coords)

> clean_coords
[1] "19.53380"   "20.02591"   "-155.91059" "-155.8154"

如果有人能告诉我为什么这些字符会出现在我的某些数据中（度数符号是原始 Excel 工作表的一部分，但其他不是），那就太好了。

【问题讨论】：

为什么你不能在加载数据之前做一个简单的查找和替换？如果数据在 excel 中，请尝试强制数据为小数。此外，您似乎已经找到了一个同样有效的解决方案。
@blunders：这似乎是一个如此简单的任务，我希望它已经存在于正则表达式中，所以这是一个学习问题。而且，我把它提供给需要它在带有度数符号的 Excel 工作表上工作的人（这会强制单元格为文本而不是数字）。
Y 和 A 作为编码伪影存在，UTF8 文本未正确编码到另一个代码页。
今天在 r-help 上回答了一个类似的问题。见r.789695.n4.nabble.com/…
r-help 上的答案适用于此处，并适当更改正则表达式："[^-.0-9]" 而不是 "\\D" 和 "[-.0-9]+" 而不是 "\\d+"

标签： regex r gdata

【解决方案1】：

短而甜。感谢 G. Grothendieck 的评论。

gsub("[^-.0-9]", "", excel_coords)

来自http://stat.ethz.ch/R-manual/R-patched/library/base/html/regex.html：“字符类是包含在 [ 和 ] 之间的字符列表，它匹配该列表中的任何单个字符；除非列表的第一个字符是插入符号 ^，当它匹配任何不在名单。”

【讨论】：

这很甜蜜。我尝试了类似的东西，但错误地认为“。”甚至可能需要转义“-”。我猜不是。
@DWin ：它在正则表达式的帮助文件中。很难吃的三明治，但还是很好吃。
强硬？是的。有用？极其。好吃，呃，嗯，懂事的人可能会有所不同。我怀疑相关的句子如下：“大多数元字符在字符类中失去了它们的特殊含义。”

【解决方案2】：

也可以通过使用strsplit、sapply 和paste 并通过索引正确的字符而不是错误的字符来完成：

 excel_coords <- c(" 19.53380Ý°", " 20.02591°", "-155.91059°", "-155.8154Â°")
 correct_chars <- c(0:9,"-",".")
 sapply(strsplit(excel_coords,""), 
          function(x)paste(x[x%in%correct_chars],collapse=""))

[1] "19.53380"   "20.02591"   "-155.91059" "-155.8154"

【讨论】：

【解决方案3】：

gsub("(.+)([[:digit:]]+\\.[[:digit:]]+)(.+)", "\\2", excel_coords)
[1] "9.53380" "0.02591" "5.91059" "5.8154"

【讨论】：

几乎，但你已经砍掉了我的前导数字和减号。但我现在明白了。
gsub("(\\s*)(-?[0-9]+\\.[0-9]+)(.+)", "\\2", excel_coords)
哎呀。我可以看到丢失“-”的位置，但看不到丢失前导数字的位置。