删除R中括号外的文本答案

【问题标题】：Remove text outside of brackets in R删除R中括号外的文本
【发布时间】：2014-08-21 04:38:24
【问题描述】：

所以我有一组像下面这样在所有命名实体周围都有括号的文本，我想删除括号外的文本并保留所有标点符号。有什么想法吗？

Sample_Text <- "[PERSON Meredith Vieira] will become the first woman to host [MISC Olympics] primetime coverage on her own when she fills on Friday night for the ailing [PERSON Bob Costas] , who is battling a continuing eye infection. " It 's an honor to fill in for him , " [PERSON Vieira] said on TODAY Friday ."

理想情况下，我会在下面得到这个向量。

Entities <- ([PERSON Meredith Vieira] [MISC Olympics] [PERSON Bob Costas]. [PERSON Vieira].)

我的第一次尝试是找出两个括号之间的文本，但我没有得到文本，而且我的 REGEX 无法正常工作。然后我意识到我需要标点符号。这是我在下面的 REGEX 尝试。想法？

grep("\\[.*?\\]", "", d, perl=TRUE)

【问题讨论】：

看看 MrFlick 对我提出的这个问题的回答：stackoverflow.com/questions/24319930/…。简而言之，将regexpr 和regmatches 与您的正则表达式一起使用来匹配方括号。
Alex，感谢 regexpr 和 regmatches 的建议！不完全合适，因为我真的想要括号内的文字以及一些标点符号。我根本不想替换它们，我想提取它们。它适用于我的 NLP 任务。不过谢谢，因为我不知道 regexpr 或 regmatches，可能很快就会有机会使用它们。

标签： regex r text

【解决方案1】：

您可以尝试以下使用动词(*SKIP)(*F) 的正则表达式，

> gsub("(?:\\[.*?\\]|\\.)(*SKIP)(*F)|[\\w' ,\\\"]+", " ", Sample_Text, perl=TRUE);
[1] "[PERSON Meredith Vieira] [MISC Olympics] [PERSON Bob Costas] . [PERSON Vieira] ."

删除.之前的前导空格，

> result <- gsub("(?:\\[.*?\\]|\\.)(*SKIP)(*F)|[\\w' ,\\\"]+", " ", Sample_Text, perl=TRUE);
> result
[1] "[PERSON Meredith Vieira] [MISC Olympics] [PERSON Bob Costas] . [PERSON Vieira] ."
> gsub(" +(?=\\.)", "", result, perl=TRUE);
[1] "[PERSON Meredith Vieira] [MISC Olympics] [PERSON Bob Costas]. [PERSON Vieira]."

【讨论】：

阿维纳什，感谢您的回答！当我在示例文本上运行它时，它是完美的。