Question

我正在尝试清理一组csv格式的数据。将数据加载到R后，我需要替换并从中删除一些字符。以下是一个例子。理想情况下我想

替换每个结尾处的 St - ＆gt;街
如果有 St St。
我需要删除St并将St.替换为Street。

我尝试使用此代码

sub(x = evostreet, pattern = "St.", replacement = " ") and later

gsub(x = evostreet, pattern = "St.", replacement = " ") to remove the St. at the end of each row but this also remove some other occurrences of St and the next character 


3   James St.

4   Glover Road St.

5   Jubilee Estate. St.

7   Fed Housing Estate St.

8   River State School St.

9   Brown  State Veterinary Clinic. St.

11  Saw Mill St.

12  Dyke St St.

13  Governor Rd St.

Answer 1

你不需要在这里使用正则表达式。

sub(x = evostreet, pattern = "St.", replacement = " ", fixed=T)

fixed参数意味着您要替换此确切字符，而不是正则表达式的匹配。

Answer 2

我看到很多接近的答案，但我没有看到任何解决他所遇到的第二个问题，例如更换圣St。＆＃34;与＆＃34; Street＆＃34 ;;例如，＆＃34; Dyke St St。＆＃34;

sub，如文档中所述：

两个*子函数的不同之处仅在于，sub只替换了第一次出现的模式

所以，只需使用＆＃34; St \\。＆＃34;因为模式匹配不正确。

OP需要匹配＆＃34; St St。＆＃34;的可能的模式。我进一步假设它甚至可能是＃34; St。 ST＆＃34。或者＆＃34; St。 ST＆＃34 ;.

假设OP使用的是简单列表：

x = c("James St.", "Glover Road St.", "Jubilee Estate. St.", 
    "Fed Housing Estate St.", "River State School St St.", 
    "Brown State Vet Clinic. St. St.", "Dyke St St.")`

[1]＆＃34; James St。＆＃34; ＆＃34; Glover Road St.＆＃34;
  [3]＆＃34; Jubilee Estate。 ST＆＃34。＆＃34;美联储住房圣。＆＃34;
  [5]＆＃34; River State School St St。＆＃34; ＆＃34;布朗州兽医诊所。 St. St。＆＃34;   [7]＆＃34; Dyke St St。＆＃34;

然后，以下内容将根据要求用＆＃34; Street＆＃34;替换上述可能的组合：

y <- sub(x, pattern = "[ St\\.]*$", replacement = " Street")

[1]＆＃34;詹姆斯街＆＃34; ＆＃34;格洛弗路街＆＃34;
  [3]＆＃34; Jubilee Estate Street＆＃34; ＆＃34;美联储住宅区街＆＃34;
  [5]＆＃34; River State School Street＆＃34; ＆＃34;布朗州兽医诊所街＆＃34;   [7]＆＃34; Dyke Street＆＃34;

修改

要回答以下OP的问题，将圣的一个子项替换为圣，另一项用街道，我正在寻找一种能够匹配类似表达式以返回不同值的方法，但此时我还没能找到它。我怀疑regmatches可以做到这一点，但这是我以后必须要做的事情。

实现您想要的一个简单方法 - 让我们假设：

x <- c("St. Mary St St.", "River State School St St.", "Dyke St. St")


[1]＆＃34; Saint Mary St St。＆＃34; ＆＃34; River State School St St。＆＃34;   [3]＆＃34; Dyke St. St＆＃34;

所以你希望x [1]为圣玛丽街，x [2]为 River State School Street ，x [3]为戴克街。我想首先通过将sub()分配给y来解决 Saint 问题，如：

y <- sub(x, pattern = "^St\\.", replacement = "Saint")


[1]＆＃34;圣玛丽街＆＃34; ＆＃34; River State School Street＆＃34;   [3]＆＃34; Dyke Street＆＃34;

要解析St的结尾，我们可以使用与发布相同的分辨率，除非现在注意我没有使用x作为我的输入向量但不是我刚刚制作的y：

y <- sub(y, pattern = "[ St\\.]*$", replacement = " Street")

这应该照顾它。现在，我不知道这是否是最有效的方法。如果你的数据集相当大，这可能会很慢。如果我找到一个更好的解决方案，我会发布它（假如没有其他人打败我）。

Answer 3

我认为你的问题是'。'正则表达式世界中的字符表示“任何单个字符”。所以要在R中字面匹配你应该写

sub(x = evostreet, pattern = "St\\.", replacement = " ")

Answer 4

您需要＆＃34;评论＆＃34;点...否则它意味着St之后的任何事情，这就是为什么文本的其他部分被消除的原因。

sub(x = evostreet, pattern = "St\\.", replacement = " ")

如果要删除文本末尾的标记，最后可以添加$。

sub(x = evostreet, pattern = "St\\.$", replacement = " ")

sub和gsub之间的区别在于，sub只会处理标记在文本中出现的第一次。如果存在重复，gsub将消除所有内容。在你的情况下，当你在行的末尾寻找模式时，如果你使用$，它应该没有任何区别。

从dataframe（csv）中删除每行末尾位置的特定字符串

4 个答案: