r - 如何在R中删除不在大写字母中的单词？

Question

我正在使用 R 进行文本分析。有没有办法使用tmor删除所有不在大写字母中的单词stringi？

如果我有这样的事情

Albert Einstein went to the store and saw his friend Nikola Tesla ... + 200 pags

被转换成

Albert Einstein Nikola Tesla

此致

Answer 1

您可以使用简单的正则表达式删除这些单词

gsub("\\b[a-z]+\\s+", "", x)
# [1] "Albert Einstein Nikola Tesla"

这只是寻找一个单词边界>小写字母>它后面的所有字母>它后面的所有空格并将其删除

---

尽管如果您有诸如 之类的词don't，您将需要更复杂的正则表达式。就像是

x <- "if Albert Einstein didn't see his friend Nikola Tesla leavin'"
gsub("\\b[a-z][^ ]*(\\s+)?", "", x)
# [1] "Albert Einstein Nikola Tesla "

Answer 2

只需使用grep和一个正则表达式：

words <- 'Albert Einstein went to the store and saw his friend Nikola Tesla'

# split to vector of individual words
vec <- unlist(strsplit(words, ' '))
# just the capitalized ones
caps <- grep('^[A-Z]', vec, value = T)
# assemble back to a single string, if you want
paste(caps, collapse=' ')