R正则表达式删除了apostroph，除了之前和之后的字母

Question

我正在清理文本，我想删除任何撇号，除了之前和之后的字母，如：我是，我会，他......等等。

我有以下初步解决方案，处理很多案例，但我想要一个更好的案例：

rmAps <- function(x) gsub("^\'+| \'+|\'+ |[^[:alpha:]]\'+(a-z)*|\\b\'*$", " ", x)

rmAps("'i'm '' ' 'we end' '")
[1] " i'm   we end  "

我也尝试过：

(?<![a-z])'(?![a-z])

但我想我仍然想念......

Answer 1

gsub("'(?!\\w)|(?<!\\w)'", "", x, perl = TRUE)
#[1] "i'm   we end "

删除角色后面没有单词字符的情况： '(?!\\\\w) 。

删除角色前面没有单词字符的情况: (?<!\\\\w)' 。

如果出现上述任何一种情况，你想要删除它，所以'(?!\\\\w)|(?<!\\\\w)'应该可以解决问题。 请注意， \\\\w包含下划线，并根据需要进行调整。

---

另一种选择是

gsub("\\w'\\w(*SKIP)(*FAIL)|'", "", x, perl = TRUE)

在这种情况下，您匹配'被单词字符包围的任何实例： \\\\w'\\\\w ，然后强制该匹配失败(*SKIP)(*FAIL) 。 但是，也要寻找'使用|' 。 结果是只会出现'未包装在单词字符中”并将其替换掉的情况。

Answer 2

您可以使用以下正则表达式：

(?<=\w)'(?=\w)

• (?<=)是一个积极的看法。 内部的所有内容需要在下一个选择器之前匹配
• (?=)是一个积极的前瞻。 内部的所有内容都需要在前一个选择器之后匹配
• \\w任何字母数字字符和下划线

如果要限制结果，也可以将\\w切换到例如[a-zA-Z] 。

→以下是regex101上用于实时测试的示例。