Question

我试图用空格替换向量中的字符串元素的子串。以下是我们正在考虑的载体：

test <- c("PALMA DE MALLORCA", "THE RICH AND THE POOR", "A CAMEL IN THE DESERT", "SANTANDER SL", "LA")

lista <- c("EL", "LA", "ES", "DE", "Y", "DEL", "LOS", "S.L.", "S.A.", "S.C.", "LAS",
       "DEL", "THE", "OF", "AND", "BY", "S", "L", "A", "C", "SA", "SC", "SL")

然后，如果我们按原样应用mgsub函数，我们会得到以下输出：

library(qdap)
mgsub(lista, "", test)
# [1] "PM MOR"   "RIH POOR" "M IN ERT" "NTER"     ""

所以我将列表更改为以下内容并重新执行：

lista <- paste("\\b", lista, "\\b", sep = "")
mgsub(lista, "", test)
# [1] "PALMA DE MALLORCA"     "THE RICH AND THE POOR" "A CAMEL IN THE DESERT"
# [4] "SANTANDER SL"          "LA"

我无法让单词boundary regex适用于此函数。

Answer 1

根据multigsub {qdap} documentation：

mgsub(pattern, replacement = NULL, text.var, leadspace = FALSE, trailspace = FALSE, fixed = TRUE, trim = TRUE, ...)
  ...
  的 fixed
  逻辑。如果是TRUE，则pattern是要按原样匹配的字符串。覆盖所有冲突的参数。

为确保您的搜索字词向量被解析为正则表达式，您需要＆＃34;手动＆＃34;将fixed参数设置为FALSE。

另一个重要注意事项：.之后设置的单词边界需要一个单词字符（或行尾）。在这种情况下使用(?!\w)子模式更安全。要在R regex中使用环视，您需要使用类似Perl的正则表达式。因此，我建议使用它（如果非单词字符只出现在正则表达式的末尾）：

lista <- paste("\\b", lista, "(?!\\w)", sep = "")

或（如果开头也可能有非单词字符）：

lista <- paste("(?<!\\w)", lista, "(?!\\w)", sep = "")

然后

mgsub(lista, "", test, fixed=FALSE, perl=TRUE)

使用带有字边界的mgsub函数替换值

1 个答案: