如何在R中删除特定的特殊字符

Question

我有一些像这个句子这样的句子。

c = "In Acid-base reaction (page[4]), why does it create water and not H+?" 

我希望能够移除所有特殊字符，但保留'?&+-/'

我知道如果要删除所有特殊字符，可以使用

gsub("[[:punct:]]", "", c)
"In Acidbase reaction page4 why does it create water and not H"

然而，一些特殊字符例如+ - ?也会被删除，而我希望保留这些字符。

我试图创建一个特殊字符的字符串，以便在代码中使用，例如：

gsub("[special_string]", "", c)

我能做到的最好就是提供这个。

cat("!\"#$%()*,.:;<=>@[\\]^_`{|}~.")

然而，以下代码就是无法运行

gsub("[cat("!\"#$%()*,.:;<=>@[\\]^_`{|}~.")]", "", c)

我想知道如何去除特殊字符，但是有一些特定的字符我希望保留，怎么办？

谢谢

- wen

Answer 1

gsub("[^[:alnum:][:blank:]+?&/\\-]", "", c)
# [1] "In Acid-base reaction page4 why does it create water and not H+?"

- BrodieG

---

这真的有用。我只知道“^”表示行的开头（而“$”表示结尾）。你为什么用它来表示“保留”？能否解释一下？ - wen

"^"是字符类否定标记（当它出现在开头时）。请查看?regex。 - IRTFM

@user3193265，正如IShouldBuyABoat所指出的那样，在字符范围（[]）内部的 ^ 具有不同的含义。还有几个其他字符也有不同的含义。例如，?+ 在字符范围内不是特殊字符，但 - 是（因此我们必须转义它）。在表达式内部，作为第一个字符，它表示否定，或者除了表达式内部的内容之外的所有内容。如果这回答了你的问题，请考虑将其标记为已回答。谢谢。 - BrodieG

似乎并不适用于所有特殊字符，比如 '•'。它们似乎幸存下来了... - Fabian Werner

为了保留“.”，只需在字符范围内添加\\.：gsub("[^[:alnum:][:blank:]+?&/\\-\\.]", "", c)。（\是转义字符，使正则表达式将"."识别为文本，而不是匹配任何字符的符号。） - Matt L.

Answer 2

为了让你的方法起作用，你需要在前导的"["后面立即放置文字"]"。

 gsub("[][!#$%()*,.:;<=>@^_`|~.{}]", "", c)
[1] "In Acid-base reaction page4 why does it create water and not H+?"

你可以在任何位置放置内部的“[”。如果你需要排除减号，它必须放在最后。请参考 ?regex 页面，在列出所有特殊预定义字符类之后。

- IRTFM

Answer 3

我认为你需要一个正则表达式的解决方案。 我会给你一个混乱的解决方案和一个包添加解决方案（无耻地自我推销）。

可能有更好的正则表达式：

x <- "In Acid-base reaction (page[4]), why does it create water and not H+?" 
keeps <- c("+", "-", "?")

## Regex solution
gsub(paste0(".*?($|'|", paste(paste0("\\", 
    keeps), collapse = "|"), "|[^[:punct:]]).*?"), "\\1", x)

#qdap: addon package solution
library(qdap)
strip(x, keeps, lower = FALSE)

## [1] "In Acid-base reaction page why does it create water and not H+?"

- Tyler Rinker