Question

我有一个包含字符行的数据框，例如：

hello my name is sam <U+ab93>
hi i love fast cars <U+e>
my favourite colour is yellow <U+E><U+c><U+60>

如何删除此数据框中没有意义的所有术语？

我尝试了apply(document, 1, function(x) gsub("<[:graph:]>", "", x))，但它不起作用。

Answer 1

对于

document = c("hello my name is sam <U+ab93>", 
             "hi i love fast cars <U+e>", 
             "my favourite colour is yellow <U+E><U+c><U+60>")

会是，

gsub("<[[:graph:]]+>", "", document )

DEMO

[:graph:]不是有效的POSIX char类。

或者，您也可以尝试

gsub("<[^>]*>", "", document)

Answer 2

使用gsub

text = c("hello my name is sam <U+ab93>" , "hi i love fast cars <U+e>" , 
"my favourite colour is yellow <U+E><U+c><U+60>")

df <- data.frame(DOC = text)

df$DOC <- gsub(df$DOC , pattern =  "<.*>", replacement = "")

gsub图形字符的不同短语

2 个答案: