从R中的字符串中删除所有特殊字符？

116

如何从R中的字符串中删除所有特殊字符并将其替换为空格？

要删除的一些特殊字符是： ~!@#$%^&*(){}_+:"<>?,./;'[]-=

我已经尝试过regex使用[:punct:]模式，但是它仅删除了标点符号。

问题2：以及如何从外语中删除字符，如：â í ü Â á ą ę ś ć？

答：[^[:alnum:]]用于删除~!@#$%^&*(){}_+:"<>?,./;'[]-=，[^a-zA-Z0-9]也用于删除â í ü Â á ą ę ś ćin regex或regexpr功能。

regex string r character

— Qbik
source

“特殊字符”的解释是什么？

— kohske 2012年

我自己的定义是每个非Unicode ;-)的字符。但是我想很多其他人会不同意。

— 乔伊

也许看一下sub或gsub功能。

— Paul Hiemstra

regex [：punct：]会完成一半的工作或可能使所有工作变得轻松

— Qbik 2012年

Answers:

196

您需要使用正则表达式来识别不需要的字符。对于最易读的代码，您希望str_replace_all从stringr包中获得，尽管gsub从R开始也可以。

确切的正则表达式取决于您要执行的操作。您可以删除问题中输入的那些特定字符，但是删除所有标点符号则容易得多。

x <- "a1~!@#$%^&*(){}_+:\"<>?,./;'[]-=" #or whatever
str_replace_all(x, "[[:punct:]]", " ")

（基数R等于gsub("[[:punct:]]", " ", x)。）

另一种方法是换出所有非字母数字字符。

str_replace_all(x, "[^[:alnum:]]", " ")

请注意，由字母，数字或标点符号构成的定义会因您的语言环境而略有不同，因此您可能需要进行一些实验才能准确获得所需的内容。

— 里奇棉花
source

不错的答案+1您可能要用替换" "，""否则字符串中的空白。

— 泰勒·林克

@TylerRinker：是的，尽管QBik确实要求空格。

— Richie Cotton

如何删除删除那些疯狂的角色：â í ü Â á？

— Qbik 2012年

您需要阅读正则表达式。从答案中的链接开始，然后阅读?regex和?regexpr。

— Richie Cotton

尝试更换[^[:alnum:]]与[^a-zA-Z0-9]或可能\\W。

— Richie Cotton

无需使用正则表达式删除那些“疯狂的”字符，只需将它们转换为ASCII，即可删除重音符号，但会保留字母。

astr <- "Ábcdêãçoàúü"
iconv(astr, from = 'UTF-8', to = 'ASCII//TRANSLIT')

导致

[1] "Abcdeacoauu"

— 费利佩·阿尔瓦伦加（Felipe Alvarenga）
source

我必须添加iconv(astr, from="UFT-8", to="ASCII//TRANSLIT")，否则使用法语字符ç会有点有趣。

— Duccio A

将特殊字符转换为撇号，

Data  <- gsub("[^0-9A-Za-z///' ]","'" , Data ,ignore.case = TRUE)

在下面的代码中删除多余的撇号

Data <- gsub("''","" , Data ,ignore.case = TRUE)

使用gsub(..)功能将特殊字符替换为撇号

— UMESH NITNAWARE
source