从数据框中删除特殊字符答案

【问题标题】：Remove special characters from data frame从数据框中删除特殊字符
【发布时间】：2023-03-25 09:54:01
【问题描述】：

我有一个包含字符串“每米能量”的矩阵。在“m”之前是一个带有问号的菱形符号 - 我不知道它是什么。

我试图通过在矩阵的列上使用它来摆脱它：

a=gsub('Energy per �m','',a)

[并对 gsub 的第一项使用复制/粘贴]，但它不起作用。[“a=rep(5,Energy per”中的意外符号]。当我尝试从原始矩阵中提取一些东西时grepl 我得到：

46: In grepl("ref. value", raw$parameter) :
input string 15318 is invalid in this locale

我怎样才能摆脱所有这些迹象？我希望只有 0-9、A-Z、a-z、/ 和 '.其余的可以被删除。

【问题讨论】：

【解决方案1】：

可能有比使用正则表达式更好的方法（例如，通过更改 Encoding）。

但这是您的正则表达式解决方案：

gsub("[^0-9A-Za-z///' ]", "", a)
[1] "Energy per m"

但是，正如@JoshuaUlrich 所指出的，你最好使用：

gsub("[^[:alnum:]///' ]", "", x)
[1] "Energy per m"

【讨论】：

[^[:alnum:]] 优于 [^0-9A-Za-z]。关于后者，?regex 说“因为它们的解释依赖于语言环境和实现，所以最好避免使用它们。”和“例如，[[:alnum:]] 表示[0-9A-Za-z]，除了后者取决于语言环境和字符编码，而前者独立于语言环境和字符集。”
谢谢。我只知道因为在包装中使用了您的第一个解决方案，所以 Ripley 会这样做。 ;-)
谢谢！ Andrie，原来我需要更多的字符，比如 .,()-?和空间。扩展正则表达式或用 [:alnum:]] 或 [[:print:]] 替换它会产生奇怪的结果。最简单的解决方案确实是通过 iconv 使用编码。这仅在将列从因子转换为字符后才有效。呼……
啊，罪魁祸首是“欧元”符号。设置错误的编码会破坏参数。 Latin1 只是留下一个空白空间。
# 删除不可打印的字符 raw$parameter=as.character(raw$parameter); raw$parameter=iconv(raw$parameter,'Latin-9')