使用R语言从文本中去除标点符号

Question

我需要从文本中删除标点符号。我正在使用tm包，但问题是：

比如：文本内容如下：

data <- "I am a, new comer","to r,"please help","me:out","here"

现在当我运行时

library(tm)
data<-removePunctuation(data)

我的代码输出结果是：

I am a new comerto rplease helpmeouthere 

但是我期望的是：

I am a new comer to r please help me out here

- SHRUTAYU Kale

---

这段代码"data<-"I am a, new comer","to r,"please help","me:out","here""在R语言中是无效的语法，能否让它可复制（reproducible）？你是使用c()函数并将这几个字符串放在一起吗？还是这只是一个长字符串（根据你想要的输出推断）。无论哪种情况，你可以尝试使用类似于gsub("[[:punct:]]", " ", data)的方法。 - David Arenburg

Answer 1

这是我对你的问题的理解，以及与上面评论中的@David Arenburg非常接近的答案。

 data <- '"I am a, new comer","to r,"please help","me:out","here"'
 gsub('[[:punct:] ]+',' ',data)
 [1] " I am a new comer to r please help me out here "

在 [:punct:] 后面的额外空格是为了向字符串添加空格，加号符号+匹配正则表达式中一个或多个连续的项。这种做法有一个副作用，在某些情况下是可取的，它将任何一系列的空格缩短为单个空格。

- PeterK

---

gsub("[[:punct:][:blank:]]+", " ", data) 更为恰当。 - Avinash Raj

@AvinashRaj，同意。我试着记住那句关于不使用正则表达式的告诫：“首先你有一个问题，然后你写一个正则表达式，接着你就有两个问题了。”对于初学者来说，正则表达式可能会让人深陷兔子洞。OP是想要移除制表符吗？很可能是这样。 - PeterK

@AvinashRaj 我也在做同样的事情，它起作用了，谢谢。 - SHRUTAYU Kale

Answer 2

如果你有类似这样的东西：

string <- "hello,you"
> string
[1] "hello,you"

你可以这样做：

> gsub(",", "", string)
[1] "helloyou"

它将变量中名为string的","替换为""

- Dominic