从R中的字符串中删除所有特殊字符？

Question

如何从 R 中的字符串中删除所有特殊字符并用空格替换它们？

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

我用[:punct:]模式尝试了regex ，但它只删除标点符号。

问题2：以及如何从外语中删除字符，例如： â í ü Â á ą ę ś ć ？

答案：使用[^[:alnum:]]删除~!@#$%^&*(){}_+:"<>?,./;'[]-=并使用[^a-zA-Z0-9]在regex或正则表达式函数中删除â í ü Â á ą ę ś ć regexpr

基础 R 中的解决方案：

x <- "a1~!@#$%^&*(){}_+:\"<>?,./;'[]-=" 
gsub("[[:punct:]]", "", x)  # no libraries needed

Answer 1

您需要使用正则表达式来识别不需要的字符。 对于最易于阅读的代码，您需要stringr包中的str_replace_all ，尽管来自基本 R 的gsub也可以。

确切的正则表达式取决于您要执行的操作。 您可以只删除您在问题中提供的那些特定字符，但删除所有标点符号要容易得多。

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

（基本的 R 等效项是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，构成字母、数字或标点符号的定义会因您所在的地区而略有不同，因此您可能需要进行一些试验才能准确获得所需的内容。

Answer 2

不要使用正则表达式来删除那些“疯狂”的字符，只需将它们转换为 ASCII，这将删除重音，但会保留字母。

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

这导致

[1] "Abcdeacoauu"

Answer 3

将特殊字符转换为撇号，

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

下面的代码删除额外的'''撇号

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

使用gsub(..)函数将特殊字符替换为撇号