除單詞中的單個撇號和連字符外，刪除所有標點符號

Question

我之前問過一個類似的問題，但這個問題更具體，需要一個與之前提供的不同的解決方案，所以我希望可以發布它。 我只需要在我的文本中保留撇號和字內破折號（刪除所有其他標點符號）。 例如，我想從 str1 獲取 str2：

str1<-"I'm dash before word -word, dash &%$,. in-between word, two before word --word just dashes ------, between words word - word"
str2<-"I'm dash before word word dash in-between word two before word  word just dashes  between words word  word"

到目前為止，我的解決方案首先刪除了單詞之間的破折號：
gsub(" - ", " ", str1)

然后留下字母和數字字符加上剩余的破折號
gsub("[^[:alnum:]['-]", " ", str1)

問題是，它不會刪除彼此后面的破折號，例如“-”和單詞開頭和結尾的破折號：“-word”或“word-”

Answer 1

我認為這樣做：

gsub('( |^)-+|-+( |$)', '\\1', gsub("[^ [:alnum:]'-]", '', str1))
#[1] "I'm dash before word word dash  in-between word two before word word just dashes  between words word  word"

Answer 2

這是一種方法：

gsub("([[:alnum:]][[:punct:]][[:alnum:]])|[[:punct:]]", "\\1", str1)
# [1] "I'm dash before word word dash  in-between word two before word word just dashes  between words word  word"

或者，更明確地說：

gsub("([[:alnum:]]['-][[:alnum:]])|[[:punct:]]", "\\1", str1)

同樣的事情，略有不同/更短：

gsub("(\\w['-]\\w)|[[:punct:]]", "\\1", str1, perl=TRUE)

Answer 3

我建議

x <- "I'm dash before word -word, dash &%$,. in-between word, two before word --word just dashes ------, between words word - word"
gsub("\\b([-'])\\b|[[:punct:]]+", "\\1", x, perl=TRUE)
# =>  "I'm dash before word word dash  in-between word two before word word just dashes  between words word  word"

請參閱R 演示。 正則表達式是

\b([-'])\b|[[:punct:]]+

請參閱正則表達式演示。 細節：

• \\b([-'])\\b - -或'用字符（字母、數字或_ ）括起來（注意：如果您只想保留在字母之間，請使用(?<=\\p{L})([-'])(?=\\p{L})代替）
• | - 或者
• [[:punct:]]+ - 1 個或多個標點符號。

要刪除此替換后產生的任何前導/尾隨和雙空格字符，您可以使用

res <- gsub("\\b([-'])\\b|[[:punct:]]+", "\\1", x, perl=TRUE)
res <- trimws(gsub("\\s{2,}", " ", res))