正则表达式 如何去除大写字母和单词之间的空格

Question

我正在处理OCR处理的原始文本。

Antonio G uomez çapateyro 

我想删除大写字母和单词之间的空格：

Antonio Guomez çapateyro  

我尝试过的

(?:[A-Z])[\s]

text <- readLines("clipboard" , encoding = "latin1")
text2 <- gsub("(?:[A-Z])[\s]", "", text2)

我的问题：我可以使用空格匹配G，但我不知道如何移除空格。

- Wilcar

Answer 1

我们可以使用正向后顾（positive lookbehind）来匹配一个或多个空格（\\s+），该空格之前是一个大写字母（(?<=[A-Z])），并将其替换为''。

gsub("(?<=[A-Z])\\s+", "", str1, perl=TRUE)
#[1] "Antonio Guomez çapateyro"

或者不使用任何回溯，我们可以将大写字母作为一组捕获，后跟一个或多个空格，并用反向引用 (\\1) 替换它。

sub("([A-Z])\\s+", "\\1", str1)
#[1] "Antonio Guomez çapateyro"

数据

str1 <- "Antonio G uomez çapateyro"

- akrun

---

工作得很好 @akrun - Wilcar