如何从R中的数据列中删除大写字母和标点符号？

Question

我对R超级陌生（例如，这是我的第二天），但是具有一些网络分析经验。我正在尝试准备一些数据进行分析，但是我无法对其进行清理。我需要从数据中的Twitter BIOS列中删除所有大写字母，符号和标点符号。我已经包括了数据第一部分的图片。

我已经尝试过类似文章中的代码，但是它不能正常工作，而且我不确定是否是因为我的数据格式不正确（在csv文件中）。我已经尝试过gsub，regex和其他文章中的其他一些内容，但是我确定自己犯了一些非常基本的错误，但是似乎看不到我在做什么错。

我试图添加一张我所拥有的照片，但是我似乎做不到。为了给您一个想法，我有一个名为twitterbios的csv文件，其中包含三列数据：“ UserID”，“ bio”和“ timestamp”。

我要从twitterbios数据集的bios（第2列）中删除所有标点符号，大写字母和符号。例如，您可能会说“我爱狗！！！（心脏表情符号）”。我希望它只说“我爱狗”。

这可能太含糊，无法提供任何帮助，但我非常感谢您能给我的任何建议。谢谢！

Answer 1

在reproducible example中，介绍如何使用stringer和dplyr软件包来完成此操作。我不确定如何摆脱表情符号，但是也许可以用空字符串替换不是字母，数字或空格的所有内容。

library(stringr)
library(dplyr)

strings <- c("HeRe is Some teXT. WhO WRITES thIs WAY?",
             "---PunctuaTION IS not A CRIME!!!!")
strings %>%
  str_to_lower() %>%
  str_replace_all("[:punct:]", "")

# [1] "here is some text who writes this way"
# [2] "punctuation is not a crime"