Question

我看过很多有关删除R中特殊字符的文章（例如Remove all special characters from a string in R?），但是没有一种策略可以解决我的问题。

我有一个抄本，可通过qdap的read.transcript（）读取。当我阅读文档时，它会使带有特殊字符的行看起来像这样：

$targetFolder = public_path().'/images/';
$name=$image->getClientOriginalName();
$extension = $image->getClientOriginalExtension(); // add
$picture = sha1($name . time()) . '.' . $extension; //add

$image->move($targetFolder, $picture);
$image = \Intervention\Image\Facades\Image::make(sprintf('images/%s', $picture))->encode('jpg', 75);

我尝试过：

If anyone knows how to simply change these special characters (i.e <e1><b8><9d> to e), again please feel free to update!

但这不会删除特殊字符，还会删除！

我也尝试过：

     ATL1$X2 <- gsub("[^0-9A-Za-z///,.?()' ]", "", ATL1$X2)
     If anyone knows how to simply change these special characters (i.e e1b89d to e), again please feel free to update

但这更糟，并且删除了所有标点符号，但仍然无法解决我的问题。

最后，我也尝试过：

 str_replace_all(ATL1$X2, "[^[:alnum:]]", " ")
If anyone knows how to simply change these special characters  i e  e1  b8  9d  to e   again please feel free to update

但是这里也没有任何改变。

在理想世界中，输出看起来像：

 iconv(ATL1$X2, from = 'UTF-8', to = 'ASCII//TRANSLIT')
 If anyone knows how to simply change these special characters (i.e <e1><b8><9d> to e), again please feel free to update!

因此，特殊字符将按其应“原样”的方式读入。如果无法做到这一点，请坦白地说，只要删除特殊字符（而不是其他字符，例如感叹号），然后看起来像这样，就可以了：

 If anyone knows how to simply change these special characters (i.e e e e to e), again please feel free to update!

谢谢！

Answer 1

有几件事使这变得困难：

您想用通常相同的字符替换字符，而不仅仅是转换编码。在您的示例中，“ <9d>”不代表“ e”，而是代表“ e”的复杂版本，这意味着R不会仅仅对其进行更改。但是有功能可以做到这一点
似乎qdap.transcript会有所帮助。至少您在此处显示的内容以及您的结果与之一致，它们不是是特殊字符，而实际上是“ <9d>”。因此，如果您尝试删除特殊字符，gsub会很高兴地遵守，并删除了“ <”和““>”，而单独保留了“ e1”等。

为解决您的问题，我认为您想转换回特殊字符，然后使用stri_trans_general包中的stringi。我确定那里还有其他类似的功能，但这对我有用。事实证明，转换回特殊字符是困难的部分，但是我有一些有效的代码：

library(stringi)
mystring <- 'If anyone knows how to simply change these special characters (i.e <e1><b8><9d> to e), again please feel free to update!'
pos <- gregexpr('(<[A-Fa-f0-9]{2}>)+', mystring)[[1]]

replace <- substring(mystring, pos, pos+attr(pos, 'match.length')-1)
replace <- sapply(replace, function(r) {
  eval(parse(text=paste0('\'', gsub('>', '', gsub('<', '\\\\x', r)), '\'')))
})
for(i in seq_along(replace)) {
  mystring <- sub('(<[A-Fa-f0-9]{2}>)+', replace[i], mystring)
}
mystring <- stri_trans_general(mystring, 'latin-ascii')

我们首先提取“ <”和“>”之间看起来像十六进制的所有内容，然后将它们转换为文字“ \ xe1 \ xb8 \ x9d”，然后要求R进行处理，并将旧值替换为这些替换值。
仅在最后一行，我们将特殊字符替换为（在此示例中）“ e”

从.docx删除R中的特殊字符

1 个答案: