在文本中删除点但不删除标记十进制点的点。

Question

我是一个正则表达式的新手，请多多包涵。

我有一个字符串，像这样：

txt1 <- 'a,b,a.b,a.,1,2,1.2,1.,.,11,222,11.222,11.'

假设数据来自一个 .csv 文件，每个单元格都用 ',' 分隔。现在我想要移除所有的 '.'，但是需要保留标记小数点的 '.'。最终，我希望得到类似于以下内容：

txt2 <- 'a,b,ab,a,1,2,1.2,1,,11,222,11.222,11'

我尝试了以下代码：

txt2 <- gsub(pattern = '[^a-z0-9,(\\d\\.\\d)]', replacement = '', text = txt1)
txt2 <- gsub(pattern = '[^a-z0-9,|(\\d\\.\\d)]', replacement = '', text = txt1)

但是两者都不起作用，都返回了相同的结果。

> print(txt2)
[1] "a,b,a.b,a.,1,2,1.2,1.,.,11,222,11.222,11."

有什么想法可以帮我纠正代码吗？谢谢！

- Xiangyu

Answer 1

关键在于使用负回顾后发表达式?<!和负前瞻表达式?!。

> txt1 <- 'a,b,a.b,a.,1,2,1.2,1.,.,11,222,11.222,11.'
> txt2 <- gsub(pattern='((?<![0-9])\\.)|(\\.(?![0-9]))', replacement='', x=txt1, perl=TRUE)
> txt2
[1] "a,b,ab,a,1,2,1.2,1,,11,222,11.222,11"

这个模式匹配以非0-9或点号后面跟随不是0-9的字符的句号\\.。您需要设置perl=TRUE，让R识别lookbehind和lookahead。

这将修剪前导句点字符，因此'.2'将变为'2'。如果不想要这个效果，lookbehind需要是(?<![0-9,])。

- zambonee

---

在这里将\.放入捕获组的目的是什么？ - CAustin

不需要使用lookbehind，参见上面两个答案。 - Maurits Evers

非常感谢您的详细解释。这对我非常有帮助！ - Xiangyu

@CAustin 我编辑掉了捕获组-事实证明你不需要它。@MauritsEvers 这个后顾是为了排除像'A.2'和'.2'这样的值（看起来OP想要修剪句点字符）。如果OP想保留前导句点字符，比如'.2'，那么后顾应该是(?<![0-9,])。 - zambonee

Answer 2

你可以使用负向先行断言。匹配\.(?!\d)并将其替换为无。

https://regex101.com/r/LNHYOY/1

- CAustin

---

非常感谢你的答案。链接非常有用！ - Xiangyu

这里有一个后续问题，希望您也能友好地回答。由于括号 () 在列表 [] 中无法识别，那么我该如何编写代码来识别不在组中的内容？是 (?!（the group）) 是唯一的方法吗？ - Xiangyu

你是在谈论一种否定整个字符串的方法，类似于 [^abc] 否定单个字符 a、b 和 c 的方式吗？没有办法完全复制它的工作方式，但可以使用负向先行断言（使用 (?! ... )，如上面的答案所示）来实现接近的效果。 - CAustin

我明白了。再次感谢您的帮助！ - Xiangyu

Answer 3

负向先行断言（如@CAustin所建议）似乎是最优雅和简明的方法。

由于以上解决方案都没有提供实际的R代码，这里给出了代码示例：

txt2 <- gsub("\\.(?!\\d)", "", txt1, perl = TRUE)
[1] "a,b,ab,a,1,2,1.2,1,,11,222,11.222,11"

- Maurits Evers