如何从 R 中的数据列中删除大写字母和标点符号？答案

【问题标题】：How do I remove capital letters and punctuation from data column in R?如何从 R 中的数据列中删除大写字母和标点符号？
【发布时间】：2020-01-12 10:34:36
【问题描述】：

我对 R 非常陌生（比如，这是我学习 R 的第二天），但对网络分析有一些经验。我正在尝试准备一些数据进行分析，但我无法将其清理干净。我需要从数据中的一列 twitter bios 中删除所有大写字母、符号和标点符号。我已经包含了数据第一部分的图片。

我尝试过类似帖子中的代码，但它不起作用，我不确定是不是因为我的数据格式不正确（它位于 csv 文件中）。我已经尝试过 gsub、regex 和其他帖子中的其他一些内容，但我确信我犯了一些非常基本的错误，但我似乎看不出我做错了什么。

我试图添加我所拥有的图片，但我似乎无法做到这一点。为了让您了解一下，我有一个名为 twitterbios 的 csv 文件，其中包含三列数据：“UserID”、“bio”和“timestamp”。

我想要的是从 twitterbios 数据集的 bios（第 2 列）中删除所有标点符号、大写字母和符号。例如，有人可能会说“我爱狗！！！（心形表情）”。我希望它只是说“我爱狗”。

这可能太含糊而无济于事，但如果您能给我任何建议，我将不胜感激。谢谢！

【问题讨论】：

欢迎来到 SO。请阅读stackoverflow.com/questions/5963269/…
嗨，tolower() 可用于大写字母。如果要修改字符串，您可能必须提取字符串。您可以通过执行 ?grep 查看 grep() 函数及其变体。我知道您已经看过它，但没有任何数据样本（不是图像）或您已经尝试过的代码，我们无法真正帮助您。
复制粘贴数据比截图好。没有人愿意手动重新创建您的数据以提供答案。

标签： r text data-cleaning

【解决方案1】：

这里是reproducible example，说明如何使用包 stringr 和 dplyr 做到这一点。我不确定如何摆脱表情符号，但也许你可以用空字符串替换不是字母、数字或空格的所有内容。

library(stringr)
library(dplyr)

strings <- c("HeRe is Some teXT. WhO WRITES thIs WAY?",
             "---PunctuaTION IS not A CRIME!!!!")
strings %>%
  str_to_lower() %>%
  str_replace_all("[:punct:]", "")

# [1] "here is some text who writes this way"
# [2] "punctuation is not a crime"

【讨论】：