R正則表達式刪除了apostroph，除了之前和之后的字母

Question

我正在清理文本，我想刪除任何撇號，除了之前和之后的字母，如：我是，我會，他......等等。

我有以下初步解決方案，處理很多案例，但我想要一個更好的案例：

rmAps <- function(x) gsub("^\'+| \'+|\'+ |[^[:alpha:]]\'+(a-z)*|\\b\'*$", " ", x)

rmAps("'i'm '' ' 'we end' '")
[1] " i'm   we end  "

我也嘗試過：

(?<![a-z])'(?![a-z])

但我想我仍然想念......

Answer 1

gsub("'(?!\\w)|(?<!\\w)'", "", x, perl = TRUE)
#[1] "i'm   we end "

刪除角色后面沒有單詞字符的情況： '(?!\\\\w) 。

刪除角色前面沒有單詞字符的情況: (?<!\\\\w)' 。

如果出現上述任何一種情況，你想要刪除它，所以'(?!\\\\w)|(?<!\\\\w)'應該可以解決問題。 請注意， \\\\w包含下划線，並根據需要進行調整。

---

另一種選擇是

gsub("\\w'\\w(*SKIP)(*FAIL)|'", "", x, perl = TRUE)

在這種情況下，您匹配'被單詞字符包圍的任何實例： \\\\w'\\\\w ，然后強制該匹配失敗(*SKIP)(*FAIL) 。 但是，也要尋找'使用|' 。 結果是只會出現'未包裝在單詞字符中”並將其替換掉的情況。

Answer 2

您可以使用以下正則表達式：

(?<=\w)'(?=\w)

• (?<=)是一個積極的看法。 內部的所有內容需要在下一個選擇器之前匹配
• (?=)是一個積極的前瞻。 內部的所有內容都需要在前一個選擇器之后匹配
• \\w任何字母數字字符和下划線

如果要限制結果，也可以將\\w切換到例如[a-zA-Z] 。

→以下是regex101上用於實時測試的示例。