R如何删除字符串中非常特殊的字符？答案

【问题标题】：R how to remove VERY special characters in strings?R如何删除字符串中非常特殊的字符？
【发布时间】：2016-06-08 22:28:45
【问题描述】：

我正在尝试删除字符串中的一些非常特殊的字符。我读过其他帖子，例如：

但这些不是我想要的。

假设我的字符串如下：

s = "who are í ½í¸€ bringing?"

我尝试了以下方法：

test = tm_map(s, function(x) iconv(enc2utf8(x), sub = "byte"))
test = iconv(s, 'UTF-8', 'ASCII')

以上都不起作用。

编辑： 我正在寻找一个通用的解决方案！我不能（也不希望）手动识别所有特殊字符。

这些非常特殊的字符也可能（不是 100% 确定）来自表情符号

请帮助或指导我找到正确的帖子。谢谢！

【问题讨论】：

我认为真正的问题是，你是怎么处理乱码的？如果您退后一步，回到生成此字符串的方式，您可能可以调整该步骤以获得您想要的输出。
所以，我只是用 gsub 尝试了这个，它似乎可以工作。像这样：s2 <- gsub("€", "", s)。尝试这样做。基本上将您的字符串中的“€”实例更改为空，有效地删除它们。
@RichardScriven 我不太确定，但可能来自表情符号
@giraffehere 你有更通用/更少手动的方法吗？

标签： r special-characters

【解决方案1】：

所以，我将继续回答，因为我相信这就是您要寻找的：

> s = "who are í ½í¸€ bringing?"
> rmSpec <- "í|½|€" # The "|" designates a logical OR in regular expressions.
> s.rem <- gsub(rmSpec, "", s) # gsub replace any matches in remSpec and replace them with "".
> s.rem
[1] "who are  ¸ bringing?"

现在，这确实有一个警告，您必须在 rmSpec 变量中手动定义特殊字符。不确定您是否知道要删除哪些特殊字符，或者您是否正在寻找更通用的解决方案。

编辑：

所以看起来你几乎用iconv 得到它，你只是缺少sub 参数。见下文：

> s
[1] "who are í ½í¸€ bringing?"
> s2 <- iconv(s, "UTF-8", "ASCII", sub = "")
> s2
[1] "who are   bringing?"

【讨论】：

是的...我正在寻找更通用的解决方案。在我的情况下，手动识别所有特殊字符几乎是不可能的（因为我有一个非常大的数据集，我不想一一查看它们来找出我有哪些/哪些特殊字符）
@alwaysaskingquestions 在我的回答中查看我的编辑。 iconv 中还有一个附加参数，您丢失了。
也可以像gsub("[í½€¸]","",s)一样指定一组要替换的字符，比多次使用|简单
@thelatemail 我总是忘记这一点。感谢您的补充！