正则表达式删除punct删除R中的非标点字符

Question

在希伯来语中过滤和清理文本时，我发现了

gsub("[[:punct:]]", "", txt)

实际上删除了相关的字符。字符是“ק”，它位于键盘上的“E”位置。有趣的是，R中的gsub函数删除了“ק”字符，然后所有单词都搞砸了。有谁知道为什么？

Answer 1

根据Regular Expressions as used in R：

  

某些命名的字符类是预定义的。其   解释取决于区域设置（见locales）;解释   下面是POSIX语言环境。

度Acc。到POSIX语言环境，[[:punct:]]应该捕获! " # $ % & ' ( ) * + , - . / : ; < = > ? @ [ \ ] ^ _ ` { | } ~。因此，您可能需要调整正则表达式以仅删除所需的字符：

txt <- "!\"#$%&'()*+,\\-./:;<=>?@[\\\\^\\]_`{|}~"
gsub("[\\\\!\"#$%&'()*+,./:;<=>?@[\\^\\]_`{|}~-]", "", txt, perl = T)

Sample program输出：

[1] ""