正则表达式去除所有标点符号，除了撇号。

Question

我正在尝试从字符串中删除所有标点符号，但保留撇号。以下是我的exastr2 -

str2 <- "this doesn't not have an apostrophe,.!@#$%^&*()"
gsub("[[:punct:,^\\']]"," ", str2 )
# [1] "this doesn't not have an apostrophe,.!@#$%^&*()"

我做错了什么？

- screechOwl

---

我正在将标题不好的同一个问题链接在一起：https://dev59.com/SGoy5IYBdhLWcg3wN7e8 - Tyler Rinker

Answer 1

"

负向先行断言"可用于排除任何撇号，甚至在测试其是否为标点符号之前。

"

gsub("(?!')[[:punct:]]", "", str2, perl=TRUE)
# [1] "this doesn't not have an apostrophe"

- Josh O'Brien

---

当然，如果两个撇号相邻，则不会删除。但我猜你已经知道了。 - Arun

顺便提一下，这里有一个链接，是我见过的最好的负向先行断言的简短解释。 - Josh O'Brien

你也可以使用"(?!')(?!:)[[:punct:]]"来排除撇号和冒号。 - Scott Kaiser

Answer 2

我不确定你是否可以像你所做的那样在正则表达式中指定除'之外的所有标点符号。我会使用否定来检查字母数字+'+空格：

gsub("[^'[:lower:] ]", "", str2) # per Joshua's comment
# [1] "this doesn't not have an apostrophe"

- Arun

---

这要看他想要什么。如果他只想保证获取字母，则你所写的最合适。但如果他真的只是想去除标点符号，那么显式地去除标点符号更安全。 - John Sobolewski

应该使用[[:lower:]]而不是[a-z]，因为后者是与语言环境相关的。 - Joshua Ulrich

Answer 3

你可以使用：

str2 <- "this doesn't not have an apostrophe,.!@#$%^&*()"

library(qdap)
strip(str2, apostrophe.remove = FALSE, lower.case = FALSE)

- Tyler Rinker

---

Tyler，openNLP是一个“依赖”包，无法安装并显示警告信息“不适用于R 2.15.2，因此无法安装qdap”。有什么想法吗？ - Arun

是的，请查看这个页面：http://trinker.github.com/qdap_install/installation。我假设你正在使用Mac操作系统。 - Tyler Rinker

你能告诉我这是否适用于你，或者我可以对安装说明进行哪些改进吗？ - Tyler Rinker

泰勒，从链接来看，它非常有效。没有问题。 - Arun