使用gsub在r中进行字符串过滤[关闭]答案

【问题标题】：String filtering in r using gsub [closed]使用gsub在r中进行字符串过滤[关闭]
【发布时间】：2016-03-04 06:04:47
【问题描述】：

考虑向量

v<-  'I l@ove d**^%ata 33-99//""(Sci"ence==+)'

我想在 R 中使用 gsub 作为清理它

"I Love Data Science"

任何帮助将不胜感激。

【问题讨论】：

标签： r string gsub

【解决方案1】：

这是一个显式替换仅出现在输入向量中的特殊字符的选项：

chars <- c("@", "*", "^", "%", "/", "\"", "=", "+", "d", "(", ")", "-")
gsub(paste("\\", chars, sep="", collapse="|"), "", statement)
[1] "I love data Science"

请注意，我将 chars 中的每个字符转义为 \\，以防它是 R 正则表达式元字符（如果不是，则不会造成任何伤害）。

@akrun 给出的答案更简洁，如果一个广泛的字符类涵盖了您想要替换的内容，那么这就是要走的路。我希望这个答案对需要替换一组不完全适合类的单个字符的人有用。

【讨论】：

【解决方案2】：

我们匹配一个或多个不是字母或空格的字符，并将其替换为''。 [[:alpha:]]+ 本身匹配一个或多个字母字符。但是，假设我们需要做相反的事情，即匹配一个或多个不是字母的字符，使用[^[:alpha:]]+，即在第一个[ 中使用^ 否定匹配。这里我们还需要空格。没有它，我们得到"IlovedataScience"。所以，在比赛中也使用它，即[^[:alpha:] ]+。

gsub("[^[:alpha:] ]+", "", v1)
#[1] "I love data Science"

或者使用[[:punct:]]匹配任何标点字符并替换为''

gsub("[[:punct:]]+|[0-9]+", '', v1)

或者代替[[:alpha:]]，我们可以将字母指定为[A-Za-z]（正如@alistaire 评论的那样）

gsub('[^A-Za-z ]', '', v1)

更新

如果 OP 希望每个单词的首字母大写，

gsub("\\b(.)", "\\U\\1", gsub('[^A-Za-z ]', '', v1), perl=TRUE)
#[1] "I Love Data Science"

数据

v1 <- 'I l@ove d**^%ata 33-99//""(Sci"ence==+)'

【讨论】：

我要发布的等价物：gsub('[^A-Za-z ]', '', v1)
这是一个全面的解决方案，可能适用于 OP，但如果需求发生变化，很容易中断。
@TimBiegeleisen 当您更改解决方案时，我收回评论。
@MilanAmrutJoshi 当然，我会添加更多描述
@RHertel 谢谢，没注意到。已更正。