在R中使用gsub函数删除括号内的任何内容

Question

Suppose I have string like below:

<a>b<c>

我想移除<a>和<c>，但我不能使用gsub("<.*>","","<a>b<c>")，因为这会同时移除b。

我之前问过类似的问题，但仔细想想，我应该学习如何处理这种问题。谢谢。

- lokheart

---

更通用的解决方案是使用解析器。除非您可以确定没有转义符号，每个符号都匹配，不会发生嵌套和许多其他注意事项，否则最好使用解析器。关于正则表达式和HTML有一个非常著名的SO问题。虽然您没有提到HTML，但看起来您可能正在朝着像HTML和XML这样的标记语言的方向前进。 - Iterator

Answer 1

不要允许在括号内的内容中出现闭合括号>：

z <- "<a>b<c>"
gsub("<[^>]+>","",z)

- Ben Bolker

Answer 2

您可以使用非贪婪正则表达式，例如 /<.*?>/。

这仅适用于简单的HTML，并且可以很容易地被破坏。请考虑以下HTML，它不能轻松地使用正则表达式删除。

<span title="Help > Index">

- a'r

---

gsub("/<.*>/","","<a>b<c>") [1] "<a>b<c>" - lokheart

你在正则表达式中漏掉了一个问号“?”。 - a'r

Answer 3

还有一个想法，在嘈杂的环境中通常非常有用（即当接近进行分词时）：

strsplit("<a>b<c>",split='<|>')[[1]][3]

- mbq