[英]Replace a whole word containing a pattern - gsub and R
我正在嘗試從一些文本中清除一些垃圾。 在這樣做時,我假設任何有一個字母(任何字母)重復三次或更多次的單詞都是垃圾 - 我想刪除它。
我想出了這個:
gsub(pattern = "[a-zA-Z]\\1\\1", replacement = "", string)
其中string
是字符向量,但這不起作用。 我嘗試過的所有其他事情都可能找到模式,但它只是刪除了模式,留下了一團糟。 我正在嘗試刪除帶有模式的整個單詞。
有任何想法嗎?
您需要將“捕獲組”分配給[.]
class,方法是將其包裝在括號中,因為\\1
需要參考:
gsub("([a-zA-Z])\\1\\1", "", "aabbbccdddee")
# [1] "aaccee"
你需要
gsub("\\s*[[:alpha:]]*([[:alpha:]])\\1{2}[[:alpha:]]*", "", string)
gsub("\\s*\\p{L}*(\\p{L})\\1{2}\\p{L}*", "", string, perl=TRUE)
stringr::str_replace_all(string, "\\s*\\p{L}*(\\p{L})\\1{2}\\p{L}*", "")
請參閱R 演示:
string <- "This is a baaaad unnnnecessary short word"
gsub("\\s*[[:alpha:]]*([[:alpha:]])\\1{2}[[:alpha:]]*", "", string)
gsub("\\s*\\p{L}*(\\p{L})\\1{2}\\p{L}*", "", string, perl=TRUE)
library(stringr)
str_replace_all(string, "\\s*\\p{L}*(\\p{L})\\1{2}\\p{L}*", "")
全部產生[1] "This is a short word"
。
請參閱正則表達式演示。 正則表達式詳細信息:
\s*
- 零個或多個空格\p{L}*
/ [[:alpha:]]*
- 零個或多個字母(\p{L})
- 捕獲組 1:任何單個字母\1{2}
- 兩次出現與第 1 組中相同的值\p{L}*
/ [[:alpha:]]*
- 零個或多個字母。具有不同正則表達式的 r2evans 示例:
gsub("(\\w)\\1{2, }", "", "aabbbccdddee")
[1] "aaccee"
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.