使用正则表达式

Question

我正在研究我的一个课程中最近的＃{1}}标签。我试图让这个主题标签出现在推文中，但当然没有人使用相同的格式。

有些人使用#BalanceTonPorc，有些#BalanceTonPorc和儿子等等。

使用#balancetonporc，我到目前为止已完成此操作：

gsub

我想要的是什么，这个＃标签的所有变体都存储在同一个标​​签下。但是还有很多其他的变化。有些人使用df$hashtags <- gsub(".alance.on.orc", "BalanceTonPorc", df$hashtags) 或#BalanceTonPorc...

有没有办法让一个RegEx说我希望包含#BalanceTonPorc.的所有内容都包含在hashtag之后的每个字符，除了.alance.on.orc（因为它分隔了hashtags）？这是一个截图来说明我的意思。

我还有另一个问题，在我的频率表中我有两次,，所以我猜R必须考虑它们是不同的。你能发现差异吗？

Answer 1

您可以使用[^,]*来匹配任何字符，但,，0 +次出现：

gsub(".alance.on.orc[^,]*", "BalanceTonPorc", df$hashtags)

或者，要完全匹配balancetonporc，

gsub("balancetonporc[^,]*", "BalanceTonPorc", df$hashtags, ignore.case=TRUE)

查看regex demo和R online test：

x <- c("#balancetonPorc#%$%#$%^","#balancetonporc#%$%, text")
gsub("balancetonporc[^,]*", "BalanceTonPorc", x, ignore.case=TRUE)
# => [1] "#BalanceTonPorc"       "#BalanceTonPorc, text"