Видалити всі спеціальні символи з рядка в R?

117

Як видалити всі спеціальні символи з рядка в R та замінити їх пробілами?

Деякі спеціальні символи для видалення: ~!@#$%^&*(){}_+:"<>?,./;'[]-=

Я намагався regexз [:punct:]малюнком, але він видаляє лише розділові знаки.

Питання 2: А як видалити символи з іноземних мов на кшталт â í ü Â á ą ę ś ć:?

Відповідь: Використовуйте [^[:alnum:]]для видалення ~!@#$%^&*(){}_+:"<>?,./;'[]-=і використовувати [^a-zA-Z0-9]для видалення також â í ü Â á ą ę ś ćв regexабо regexprфункції.

regex string r character

— Qbik
джерело

Що таке визначення "особливий характер"?

— kohske

Моє власне визначення - це кожен символ, який не знаходиться в Unicode ;-). Але я думаю, що багато інших людей не погоджуються.

— Джої

Можливо, погляньте на subабо gsubфункції.

— Пол Хіемстра

regex [: punct:] збирається зробити половину роботи або, можливо, все

— Qbik

Відповіді:

197

Для ідентифікації небажаних символів потрібно використовувати регулярні вирази . Хоча для найбільш легко читабельного коду, ви хочете отримати str_replace_allз stringrпакетаgsub з базового R працює так само добре.

Точний регулярний вираз залежить від того, що ви намагаєтеся зробити. Ви можете просто видалити ті конкретні символи, які ви вказали у запитанні, але набагато простіше видалити всі знаки пунктуації.

x <- "a1~!@#$%^&*(){}_+:\"<>?,./;'[]-=" #or whatever
str_replace_all(x, "[[:punct:]]", " ")

(Еквівалент базового R дорівнює gsub("[[:punct:]]", " ", x).)

Альтернативою є зміна всіх символів, що не буквено-цифрові.

str_replace_all(x, "[^[:alnum:]]", " ")

Зауважте, що визначення того, що є буквою чи цифрою чи знаком пунктуації, дещо змінюється залежно від вашої мови, тому вам може знадобитися трохи експериментувати, щоб отримати саме те, що ви хочете.

— Річі Коттон
джерело

хороші відповіді +1 Ви можете хотіти замінити " "з ""інакше у вас є пусте білий простір в рядку.

— Тайлер Рінкер

@TylerRinker: Щоправда, хоча QBik спеціально просив пробіли.

— Річі Коттон

Як видалити видалити цих божевільних персонажів â í ü Â á:?

— Qbik

Потрібно читати на регулярних виразах. Почніть зі посилання у моїй відповіді, а потім прочитайте ?regexі ?regexpr.

— Річі Коттон

Спробуйте замінити [^[:alnum:]]з [^a-zA-Z0-9]або , можливо \\W.

— Річі Коттон

Замість того, щоб використовувати регулярні вирази для видалення цих "божевільних" символів, просто конвертуйте їх у ASCII, який видалить наголоси, але збереже букви.

astr <- "Ábcdêãçoàúü"
iconv(astr, from = 'UTF-8', to = 'ASCII//TRANSLIT')

що призводить до

[1] "Abcdeacoauu"

— Феліпе Альваренга
джерело

Мені довелося додати iconv(astr, from="UFT-8", to="ASCII//TRANSLIT"), інакше з французькими символами, як çце йде трохи смішно.

— Duccio A

Перетворіть спеціальні символи в апостроф,

Data  <- gsub("[^0-9A-Za-z///' ]","'" , Data ,ignore.case = TRUE)

Нижче кодуйте його, щоб видалити зайвий апостроф

Data <- gsub("''","" , Data ,ignore.case = TRUE)

Використовуйте gsub(..)функцію для заміни спеціального символу апострофом

— UMESH NITNAWARE
джерело