1

我有一个文本文件，它有几百行长。我正在尝试从中删除所有 [edit:add] 标点符号，但“/”字符除外。我目前正在使用 qdap 包中的 strip 函数。

这是一个示例数据集：

htxt <- c("{rtf1ansiansicpg1252cocoartf1038cocoasubrtf360/", 
        "{fonttblf0fswissfcharset0 helvetica",
        "margl1440margr1440vieww9000viewh8400viewkind0")

这是代码：

strip(htxt, char.keep = "/", digit.remove = F, apostrophe.remove = TRUE, lower.case = TRUE)

这个漂亮功能的唯一问题是它删除了“/”字符。如果我尝试删除除“{”字符之外的所有字符，它会起作用：

strip(htxt, char.keep = "{", digit.remove = F, apostrophe.remove = TRUE, lower.case = TRUE)

有没有人遇到过同样的问题？

4

2 回答 2

1

为什么不：

> gsub("[^/]", "", htxt)
[1] "/" ""  ""

鉴于@SimonO101 的澄清，正则表达式方法可能是：

gsub("[]!\"#$%&'()*+,.:;<=>?@[^_`{|}~-]", "", htxt)

请注意，该序列中的第一项是“]”，最后一项是“-”，并且需要转义双引号。这是删除“\”的 [:punct:] 的目标。要以编程方式执行此操作，您可以使用：

rem.some.punct <- function(txt, notpunct=NULL){ 
       punctstr <- "[]!\"#$%&'()*/+,.:;<=>?@[^_`{|}~-]"
       rempunct <- gsub(paste0("",notpunct), "", punctstr)
       gsub(rempunct, "", txt)}
于 2013-06-11T23:18:30.610 回答
1

无论出于何种原因，似乎qdap:::strip 总是去掉"/"字符向量。这是在函数末尾的源代码中：

x <- clean(gsub("/", " ", gsub("-", " ", x)))

这是在执行在函数体中定义的剥离的实际函数之前运行的strip......

所以只需用您自己的版本替换该功能：

strip.new <- function (x, char.keep = "~~", digit.remove = TRUE, apostrophe.remove = TRUE, 
    lower.case = TRUE) 
{
    strp <- function(x, digit.remove, apostrophe.remove, char.keep, 
        lower.case) {
        if (!is.null(char.keep)) {
            x2 <- Trim(gsub(paste0(".*?($|'|", paste(paste0("\\", 
                char.keep), collapse = "|"), "|[^[:punct:]]).*?"), 
                "\\1", as.character(x)))
        }
        else {
            x2 <- Trim(gsub(".*?($|'|[^[:punct:]]).*?", "\\1", 
                as.character(x)))
        }
        if (lower.case) {
            x2 <- tolower(x2)
        }
        if (apostrophe.remove) {
            x2 <- gsub("'", "", x2)
        }
        ifelse(digit.remove == TRUE, gsub("[[:digit:]]", "", 
            x2), x2)
    }
    unlist(lapply(x, function(x) Trim(strp(x = x, digit.remove = digit.remove, 
        apostrophe.remove = apostrophe.remove, char.keep = char.keep, 
        lower.case = lower.case))))
}

strip.new(htxt, char.keep = "/", digit.remove = F, apostrophe.remove = TRUE, lower.case = TRUE)

#[1] "rtf1ansiansicpg1252cocoartf1038cocoasubrtf360/"
#[2] "fonttblf0fswissfcharset0 helvetica"            
#[3] "margl1440margr1440vieww9000viewh8400viewkind0"

包作者在此站点上非常活跃，因此他可能会弄清楚为什么strip默认情况下会这样做。

于 2013-06-11T21:48:39.703 回答