Question

我从希伯来文中删除了英文字符，但希望保留一份我想要的英文单词的简短列表，例如words2keep <- c("ok", "hello", "yes*")。所以我目前的正则表达式是text <- gsub("[A-Z,a-z]", "", text)，但问题是如何添加例外，以便它不会删除所有英文单词。

再生示例：

text = "ok אני מסכים איתך Yossi Cohen"

在gsub之后有异常

text = "ok אני מסכים איתך"

感谢您提出的所有建议

Answer 1

这是一个棘手的问题。我认为我们可以通过使用\b词边界断言来匹配整个单词，同时在匹配之前包含一个否定前瞻断言（拒绝这些词）（同样，你希望将黑名单删除（或等同于白名单以便保存）的整个单词）。这似乎有效：

gsub(perl=T,paste0('(?!\\b',paste(collapse='\\b|\\b',words2keep),'\\b)\\b[A-Za-z]+\\b'),'',text);
[1] "ok אני מסכים איתך  "

Answer 2

使用带有[A-Z]的gsub函数将删除所有大写字母A到Z字母，以便删除总字数。*用于删除总字符数

gsub("[A-Z].*","",text)

[1] "ok אני מסכים איתך "

#data

text = "ok אני מסכים איתך Yossi Cohen"

gsub在R中有例外

2 个答案: