正则表达式匹配 R 中的杂散逗号

Question

我正在使用 R 中的 html 文本数据。 我拥有的数据片段如下所示：

text <- "<<p channel=\"test.com\" class=\"wordpress\">  ,  , LONDON — British 
supporters of the Black Lives Matter movement stormed the runway of London 
City Airport Tuesday, forcing a halt to flights in one of the boldest acts of 
protest by the group as it spreads beyond U.S. borders. ,  , ,"

我想删除杂散的逗号，但保留按预期出现的逗号（即，周二机场，强制...）。 杂散逗号通常在它们之间出现空格（有时一个，有时更多）。

我似乎一次只能删掉几个逗号：

gsub(",  +", "", text)

感谢您的建议

Answer 1

您可以使用

gsub(",(?:\\s+,)+", ",", text)

请参阅R 演示。

详情：

• , - 逗号
• (?:\\s+,)+ - 出现一个或多个空格字符，然后是逗号。

如果逗号之间不能有空格，请使用\s*而不是\s+ ：

gsub(",(?:\\s*,)+", ",", text)

要同时删除逗号前的所有空格，请在开头添加\s* ：

gsub("\\s*,(?:\\s*,)+", ",", text)

并且要删除字符串开头和结尾的所有逗号，并“缩小”其中的逗号，您可以使用

gsub("^\\s*,(?:\\s*,)+\\s*|\\s*,(?:\\s*,)+\\s*$|\\s*(,)(?:\\s*,)+", "\\1", text)