我有我正在R中清理的文本。我想使用stringi，但很高兴使用其他软件包。
其中一些单词分为两行。所以我得到一个子字符串“ halfword- \ nsecondhalfword”。
我也有一些只是“ ---- \ nword”和“-\ n”的字符串（以及其他一些我不想替换的字符串。
我想要做的是识别所有子字符串“ [a-z]-\ n”，然后保留通用字母[a，z]，但删除-\ n字符。
我不想删除所有-\ n，也不想删除字母[a-z]。
谢谢！
答案 0 :(得分：0)
您可以使用单词边界仅在两个单词字符之间匹配-<LF>：
gsub("\\b-\n\\b", "", x)
gsub("(*UCP)\\b-\n\\b", "", x, perl=TRUE)
stringr::str_replace_all(x, "\\b-\n\\b", "", x)
后两个字符支持任何Unicode单词字符之间的单词边界。
请参见regex demo。
如果您只想删除字母之间的-<LF>，则可以使用
gsub("([a-zA-Z])-\n([a-zA-Z])", "\\1\\2", x)
gsub("(\\p{L})-\n(\\p{L})", "\\1\\2", x, perl=TRUE)
stringr::str_replace_all(x, "(\\p{L})-\n(\\p{L})", "\\1\\2")
如果只需要支持小写字母，请在前A-Z中删除gsub，在后两个中将\p{L}替换为\p{Ll}。
请参见this regex demo。