如何使用R中的gsub替换_A_＆amp; _B_

Question

我正在尝试从R上的两个不同数据表中加入包含公司名称的两列。在一列中，我有模式_A_&_B_，其中A和B可以是任何字母。我想摆脱那两个字母，即由_

包围的长度为1的字母

所以，如果我有John_K_&_E_Scott，我希望John__&__Scott，因为我可以删除标点符号。我试过下面的

names[, JOINING_ID := gsub("[A-Za-z]_&_[A-Za-z]\\w", "", JOINING_ID)] 

但这会转换John_A_&_ BOYS_中的John__&_ OYS_，这不是我想要的。

Answer 1

使用以下正则表达式模式：

_[[:alpha:]]_&_[[:alpha:]]_

并替换为__&__。见the regex demo。它不会匹配像John_A_&_BOYS_这样的字符串，因此不会出现类似你所拥有的问题。

请注意，[[:alpha:]]匹配任何字母。

R用法：

gsub("_[[:alpha:]]_&_[[:alpha:]]_", "__&__", JOINING_ID)

或者，如果您只希望每个字符串匹配一次，请使用sub：

sub("_[[:alpha:]]_&_[[:alpha:]]_", "__&__", JOINING_ID)