使用 gsub 在 R 字符向量列表中用直撇号替换卷曲撇号

Question

寻找有关如何在 R 字符向量列表中用直撇号替换卷曲撇号的一些指导。

我替换卷曲撇号的原因 - 在脚本的后面，我检查每个列表项，看看它是否在字典中找到（使用 qdapDictionary）以确保它是一个真实的单词而不是垃圾。 字典使用直撇号，因此带有卷撇号的词会被“拒绝”。

我目前遵循的代码示例。 在我的测试列表中，第 6 项包含一个卷曲撇号，而第 2 项包含一个直撇号。

例子：

list_TestWords <- as.list(c("this", "isn't", "ideal", "but", "we", "can’t", "fix", "it"))

func_ReplaceTypographicApostrophes <- function(x) {
   gsub("’", "'", x, ignore.case = TRUE)
 }

list_TestWords_Fixed <- lapply(list_TestWords, func_ReplaceTypographicApostrophes)

结果：没有变化。 第 6 项仍然使用卷曲撇号。 请参阅下面的输出。

list_TestWords_Fixed
[[1]]
[1] "this"

[[2]]
[1] "isn't"

[[3]]
[1] "ideal"

[[4]]
[1] "but"

[[5]]
[1] "we"

[[6]]
[1] "can’t"

[[7]]
[1] "fix"

[[8]]
[1] "it"

您可以提供的任何帮助将不胜感激！

Answer 1

这可能有效： gsub("[\‘\’\‚\‛\′\‵]", "'", x)

我在这里找到它： http : //axonflux.com/handy-regexes-for-smart-quotes

Answer 2

我发现您对gsub的调用存在问题：

gsub("/’", "/'", x, ignore.case = TRUE)

您在卷曲单引号前面加上正斜杠。 我不知道你为什么要这样做。 我可以推测您正在尝试对引号字符进行转义，但这会产生副作用，即您的模式现在试图匹配正斜杠后跟引号。 由于这从未出现在您的文本中，因此不会进行替换。 你应该这样做：

gsub("’", "'", x, ignore.case = TRUE)

按照下面的链接查看演示，该演示显示使用上述gsub调用按您的预期工作。

演示

Answer 3

您可能会在 Windows 上遇到R 中的错误。 尝试在您的输入中使用utf8::as_utf8 。 或者，这也有效：

library(utf8)
list_TestWords <- as.list(c("this", "isn't", "ideal", "but", "we", "can’t", "fix", "it"))
lapply(list_TestWords, utf8_normalize, map_quote = TRUE)

这将用 ASCII 撇号替换以下字符：

U+055A ARMENIAN APOSTROPHE
U+2018 LEFT SINGLE QUOTATION MARK
U+2019 RIGHT SINGLE QUOTATION MARK
U+201B SINGLE HIGH-REVERSED-9 QUOTATION MARK
U+FF07 FULLWIDTH APOSTROPHE

它还会将您的文本转换为复合标准格式 (NFC)。

Answer 4

正要说同样的话。

尝试使用stringr包中的str_replace ，不需要使用斜杠

Answer 5

我面临着类似的问题。 不知何故，没有一个解决方案对我有用。 所以我设计了一种间接的方法，通过识别撇号并将其​​替换为所需的格式。

gsub("(\\w)(\\W)(\\w\\s)", "\\1'\\3","sid’s bicycle")
[1] "sid's bicycle"

希望它可以帮助某人。