Question

之前我曾问过类似的问题，但这个问题更具体，需要的解决方案与之前提供的解决方案不同，所以我希望发布它是可以的。我需要在我的文本中仅保留撇号和字内短划线（删除所有其他标点符号）。例如，我想从str1获得str2：

str1<-"I'm dash before word -word, dash &%$,. in-between word, two before word --word just dashes ------, between words word - word"
str2<-"I'm dash before word word dash in-between word two before word  word just dashes  between words word  word"

我到目前为止的解决方案，首先删除单词之间的破折号：
gsub(" - ", " ", str1)

然后留下字母和数字字符以及剩余的破折号 gsub("[^[:alnum:]['-]", " ", str1)

问题是，它不会删除彼此之后的破折号，例如“ - ”和单词开头和结尾的短划线：“ - word”或“word - ”

Answer 1

我认为这样做：

gsub('( |^)-+|-+( |$)', '\\1', gsub("[^ [:alnum:]'-]", '', str1))
#[1] "I'm dash before word word dash  in-between word two before word word just dashes  between words word  word"

Answer 2

这是一种方法：

gsub("([[:alnum:]][[:punct:]][[:alnum:]])|[[:punct:]]", "\\1", str1)
# [1] "I'm dash before word word dash  in-between word two before word word just dashes  between words word  word"

或者，更明确地说：

gsub("([[:alnum:]]['-][[:alnum:]])|[[:punct:]]", "\\1", str1)

同样的事情，略有不同/更短：

gsub("(\\w['-]\\w)|[[:punct:]]", "\\1", str1, perl=TRUE)

Answer 3

我建议

x <- "I'm dash before word -word, dash &%$,. in-between word, two before word --word just dashes ------, between words word - word"
gsub("\\b([-'])\\b|[[:punct:]]+", "\\1", x, perl=TRUE)
# =>  "I'm dash before word word dash  in-between word two before word word just dashes  between words word  word"

请参见R demo。正则表达式是

\b([-'])\b|[[:punct:]]+

请参见regex demo。详细信息：

\b([-'])\b--或'并附有字符字符（字母，数字或_）（注意：如果只想在字母之间使用，请使用{ {1}}代替）
(?<=\p{L})([-'])(?=\p{L})-或
|-1个或更多个标点符号。

要删除此替换后产生的任何前导/尾随和双空格字符，可以使用

[[:punct:]]+

删除单词R中的所有破折号

3 个答案: