Question

我有一个数据文件，里面有一些法语，日语，数据文件如下：

我们有两列：

Col1包含一个句子，大多数是英文的，有些是外语的。
Col2全是英文。

Col1看起来很像：

| _ - 5 | PR - The number of qualified candidates
| _ - 6 | PR - アルバイト募集を掲載していますが、応募者がほとんどいないため。
| _ - 8 | PR - Quick, easy, inexpensive and plenty of applicants

我所做的只是保留英语。如果我们在一行中找到一个外语单词。我需要删除整行。

有人知道如何在R中做到吗？

Answer 1

也许您可以使用声称可以检测超过74种语言的textcat包。（它不适用于阿拉伯语:(）

library("textcat")
dat <- read.table(text='
| _ - 5 | PR - The number of qualified candidates
| _ - 6 | PR - アルバイト募集を掲載していますが、応募者がほとんどいないため。
| _ - 8 | PR - Quick, easy, inexpensive and plenty of applicants' ,sep='|')

dat[textcat(dat$V3) =="english",]

 V1      V2                                                      V3
1 NA  _ - 5                  PR - The number of qualified candidates
3 NA  _ - 8   PR - Quick, easy, inexpensive and plenty of applicants

摆脱r中的所有非英语字符

1 个答案: