连接 gsub [重复]答案

【问题标题】：Concatenate gsub [duplicate]连接 gsub [重复]
【发布时间】：2013-12-21 11:10:46
【问题描述】：

我目前正在运行以下代码来清除重音字符中的数据：

df <- gsub('Á|Ã', 'A', df)
df <- gsub('É|Ê', 'E', df)
df <- gsub('Í',   'I', df)
df <- gsub('Ó|Õ', 'O', df)
df <- gsub('Ú',   'U', df)
df <- gsub('Ç',   'C', df)

但是，我想只用一行来完成（使用另一个函数就可以了）。我该怎么做？

【问题讨论】：

真正的方法不涉及正则表达式，而是 Unicode 规范化。但是，我不确定 R 中支持的 Unicode 库绑定（例如 ICU）有多好，因此正确的解决方案在实践中的可行性如何。

标签： regex r optimization gsub

【解决方案1】：

一个选项可以是chartr

> toreplace <- LETTERS
> replacewith <- letters
> (somestring <- paste(sample(LETTERS,10),collapse=""))
[1] "MUXJVYNZQH"
> 
> chartr(
+   old=paste(toreplace,collapse=""),
+   new=paste(replacewith,collapse=""),
+   x=somestring
+   )
[1] "muxjvynzqh"

【讨论】：

【解决方案2】：

试试这样的

iconv(c('Á'), "utf8", "ASCII//TRANSLIT")

您可以向c() 添加更多元素。

编辑：它取决于机器，检查help(iconv)

这里是R 解决方案

mychar <- c('ÁÃÉÊÍÓÕÚÇ')
iconv(mychar, "latin1", "ASCII//TRANSLIT") # one line, as requested
[1] "AAEEIOOUC"

【讨论】：

这会为我返回NA。
应该这样做mychar <- c('Á', 'Ã', 'É', 'Ê', 'Í', 'Ó', 'Õ', 'Ú','Ç')iconv(mychar, "latin1", "ASCII//TRANSLIT")
是的，在 Windows 上，您应该使用“ISO-8859-1”之类的东西，而不是“utf8”。
这是一个有趣的解决方案，但它似乎只适用于单个向量。我实际上必须读取一个包含 900 个条目的名称向量，而且我不能将整个向量推入 iconv。
@WaldirLeoncio 当然可以：Vectorize(iconv)(rep(mychar, 2), "latin1", "ASCII//TRANSLIT")

【解决方案3】：

df = as.data.frame(apply(df,2,function(x) gsub('Á|Ã', 'A', df)))

2 表示列，1 表示行

【讨论】：

这适用于一个“A”替换，但其余的呢？我的观点是：如果不运行相同的命令六次，我怎么能做到这一点？
请看上面agstudy的回答，效果很好

【解决方案4】：

这是一个编码问题，通常您通过指示正确的编码来解决它。如果还想用正则表达式来做，可以用gsubfn写一个划线解决方案：

library(gsubfn)
ll <- list('Á'='A', 'Ã'='A', 'É'='E',
           'Ê'='E', 'Í'='I', 'Ó'='O',
           'Õ'='O', 'Ú'='U', 'Ç'='C')
gsubfn('Á|Ã|É|Ê|Í|Ó|Õ|Ú|Ç',ll,'ÁÃÉÊÍÓÕÚÇ')
[1] "AAEEIOOUC"
gsubfn('Á|Ã|É|Ê|Í|Ó|Õ|Ú|Ç',ll,c('ÁÃÉÊÍÓÕÚÇ','ÍÓÕÚÇ'))
[1] "AAEEIOOUC" "IOOUC"

【讨论】：