我有一个要求，我正在处理一个有双字节字符的大数据，韩文文本。我想寻找一个角色并替换它。为了在浏览器中正确显示韩语文本，我更改了R中的语言环境设置。但不确定它是否也会更新代码。下面是我将区域设置更改为韩国的代码，韩文文本在查看器中可以正常显示，但是在控制台中它会在打印时显示垃圾字符 -
Sys.setlocale(category = "LC_ALL", locale = "korean")
我的数据采用data.table格式，其中包含一个韩文文本列。例子 -
“광주광역시동구제봉로49（남동，（지하））”
我想摆脱以“시”字符结尾的第一个单词。然后我想摆脱“（남동，（지하））”的结局。我正在尝试使用gsub，但它似乎没有用。
New <- c("광주광역시 동구 제봉로 49 (남동,(지하))")
data <- as.data.table(New)
data[,New_trunc := gsub("\\b시", "", data$New)]
请让我知道我哪里出错了。因为我想搜索单词的结尾，我正在使用\\ b，因为我想替换以“시”字符结尾的任何单词，我将它作为\\ b시.....这不是通往给？如何在句子结尾处理（）。
引用正则表达式的好资源是什么。
脚本还需要utf-8设置吗？怎么做？
答案 0 :(得分：1)
由于您需要匹配单词 end 中的字母，因此您需要在字母之后放置\b（字边界），以便在该信件之后要求从字母到非字母（或字符串的结尾）的转换。将处理此问题的PCRE模式是
"\\s*\\b\\p{L}*시\\b"
<强>详情
\\s* - 零个或多个空格\\b - 领先的单词边界\\p{L}* - 零个或多个字母시 - 您的具体信件\\b - 单词的结尾第二个问题是你需要删除字符串末尾的一组嵌套括号。您需要再次依赖可以在子例程调用的帮助下处理递归的PCRE正则表达式（perl=TRUE）。
> sub("\\s*(\\((?:[^()]++|(?1))*\\))$", "", New, perl=TRUE)
[1] "광주광역시 동구 제봉로 49"
<强>详情：
\\s* - 零个或多个空格(\\((?:[^()]++|(?1))*\\)) - 第1组（将被递归）匹配
\\( - 文字( (?:[^()]++|(?1))* - 零次或多次出现
[^()]++ - 除(和)以外的1个或多个字符（占有）| - 或(?1) - 重复整个Group 1子模式的子例程调用\\) - 文字) $ - 字符串结束。现在，如果你需要将两者结合起来，你会发现R PCRE驱动的gsub不能很容易地处理模式中的Unicode字符。您必须告诉它使用带有(*UCP) PCRE动词的Unicode模式。
> gsub("(*UCP)\\b\\p{L}*시\\b|\\s*(\\((?:[^()]++|(?1))*\\))$", "", New, perl=TRUE)
[1] " 동구 제봉로 49"
或使用trimws删除前导/尾随空格：
> trimws(gsub("(*UCP)\\b\\p{L}*시\\b|(\\((?:[^()]++|(?1))*\\))$", "", New, perl=TRUE))
[1] "동구 제봉로 49"
在PCRE Man page查看有关动词的更多详细信息。