如何在R中从字符串中删除特定长度的单词？

Question

我希望您能够删除字符串中长度小于3的单词。例如，我的输入是：

str<- c("hello RP have a nice day")

我希望我的输出是什么。

str<- c("hello have nice day")

请帮忙

- areddy

---

最好不要使用str作为变量名。str是R的内置函数。 - Ven Yao

gsub(' . | .. ', ' ', s) - rawr

Answer 1

试试这个：

gsub('\\b\\w{1,2}\\b','',str)
[1] "hello  have  nice day"

编辑 \b是单词边界。如果需要去除额外的空格，请将其更改为：

gsub('\\b\\w{1,2}\\s','',str)

或者

gsub('(?<=\\s)(\\w{1,2}\\s)','',str,perl=T)

- Shenglin Chen

---

也许可以添加一些关于正则表达式是如何工作的解释？可能需要解释一下正则表达式的作用？ - hrbrmstr

我喜欢使用基本R语言的方法。但是这三种解决方案都存在以下三个“错误”之一：（1）当通过减号连接到更长的子字符串时（如“共选择”），删除长度为1或2的子字符串；（2）不删除字符串末尾的长度为1或2的子字符串；（3）不删除字符串开头的子字符串。第一种解决方案犯了第一个错误，第二种解决方案犯了第二个错误，第三种解决方案则犯了第二个和第三个错误。我该如何不犯这些错误？ - hyco

Answer 2

或者使用str_extract_all提取所有长度大于等于3的单词和paste

library(stringr)
paste(str_extract_all(str, '\\w{3,}')[[1]], collapse=' ')
#[1] "hello have nice day"

- akrun

---

当我尝试这样做时，出现了一个错误：SubConsolData$ProductTitle <- paste(str_extract_all(SubConsolData$ProductTitle, '\\w{3,}')[[1]], collapse=' ')。错误是DF（SubConsolData）的第一行被重复到DF的所有其他行中。 - LeMarque

@I_m_LeMarque 这是因为我们提取了第一个元素[[1]]。在这种情况下，只有一个字符串。在您的情况下，您可能需要循环然后执行paste操作。 - akrun

Answer 3

这里提供一种方法，使用我与@hwnd（SO正则表达式大师）共同编写的qdapRegex包中的rm_nchar_words函数。这里展示了删除1-2个字母单词和1-3个字母单词的示例：

str<- c("hello RP have a nice day")

library(qdapTools)

rm_nchar_words(str, "1,2")
## [1] "hello have nice day"

rm_nchar_words(str, "1,3")
## [1] "hello have nice"

qdapRegex旨在教授正则表达式，以下是S函数背后的正则表达式，它将1,2放入量词花括号中：

S("@rm_nchar_words", "1,2")
##  "(?<![\\w'])(?:'?\\w'?){1,2}(?![\\w'])"

- Tyler Rinker

Answer 4

x <- "hello RP have a nice day"
z <- unlist(strsplit(x, split=" "))
paste(z[nchar(z)>=3], collapse=" ")
# [1] "hello have nice day"

- Ven Yao