R正則表達式刪除除字母，撇號和指定的多字符字符串之外的所有字符串

Question

是否有一個R正則表達式刪除除字母，撇號和指定的多字符串之外的所有字符串？ “指定的多字符串”是任意的並且具有任意長度。 比方說， "~~"和&&在這種情況下，（所以~ ＆ &應該被刪除，但不是~~ ＆ && ）

我在這里：

gsub("[^ a-zA-Z']", "", "I like~~cake~too&&much&now.")

這使：

## [1] "I like~~cake~toomuchnow"

和...

gsub("[^ a-zA-Z'~&]", "", "I like~~cake~too&&much&now.")

給...

## "I like~~cake~too&&much&now"

如何編寫R正則表達式給出：

"I like~~caketoo&&muchnow"

來自Casimir和BrodieG的EDIT角落案例......

我期待這種行為：

x <- c("I like~~cake~too&&much&now.", "a~~~b", "a~~~~b", "a~~~~~b", "a~&a")

## [1] "I like~~caketoo&&muchnow." "a~~b"                     
## [3] "a~~~~b"                    "a~~~~b"                   
## [5] "aa" 

目前的方法都沒有給出這一點。

Answer 1

一種方法是匹配/捕獲“指定的多字符串”，同時替換其他字符串。

gsub("(~~|&&)|[^a-zA-Z' ]", "\\1", x)

# [1] "I like~~caketoo&&muchnow" "a~~b"                    
# [3] "a~~~~b"                   "a~~~~b"                  
# [5] "aa"  

Answer 2

(?<![&~])[^ a-zA-Z'](?![&~])

試試這個。看看demo。使用perl=True選項。

https://regex101.com/r/wU7sQ0/25

Answer 3

您可以使用此模式：

gsub("[A-Za-z ']*(?:(?:~~|&&)[A-Za-z ']*)*\\K(?:[^A-Za-z ']|\\z)", "", x, perl=TRUE)

在線演示

這個想法是建立一個永遠真實的模式，即這句話的翻譯：

我想要保留的子字符串后面跟着我想刪除的字符或字符串的結尾

因此，您需要做的就是描述要保留的子字符串：

[A-Za-z ']*(?:(?:~~|&&)[A-Za-z ']*)*

請注意，由於此子模式是可選的（它與空字符串匹配）並且貪婪，因此整個模式將永遠不會失敗，無論字符串上的位置如何，因此所有匹配都是連續的（無需添加\\G錨點）從開始到結束。

出於同樣的原因，不需要添加占有量詞或使用原子組來防止災難性的回溯，因為(?:[^A-Za-z ']|\\\\z)不能失敗。

此模式允許在幾個步驟中替換字符串，但您可以更多地改進它：

• 如果你使用回溯控制動詞(*COMMIT)避免最后一場比賽（因為它只匹配你想要保留的字符或結束前的空字符串，這是無用的 (*COMMIT) 。

它會強制正則表達式引擎在達到字符串結尾后停止搜索：

[A-Za-z ']*(?:(?:~~|&&)[A-Za-z ']*)*\\K(?:[^A-Za-z ']|\\z(*COMMIT).)

• 如果你使模式能夠匹配一個匹配中的幾個特殊字符：

（除非他們是~或& ）

[A-Za-z ']*(?:(?:~~|&&)[A-Za-z ']*)*\\K(?:[^A-Za-z '][^A-Za-z '~&]*|\\z(*COMMIT).)

演示