regex - 当[:punct:] is too much

This question already has answers here:

Remove all punctuation except apostrophes in R

(4个答案)


已关闭8年。




我正在清理R中的文本字符串。我想删除除撇号和连字符以外的所有标点符号。这意味着我不能使用[:punct:]字符类(除非有一种表达[:punct:] but not '-的方法)。
! " # $ % & ( ) * + , . / : ; < = > ? @ [ \ ] ^ _ { | } ~.和反引号必须出来。

对于上述大多数情况，转义不是问题。但是对于方括号，我确实遇到了问题。这是我尝试过的:

gsub('[abc]', 'L', 'abcdef') #expected behaviour, shown as sanity check
# [1] "LLLdef"

gsub('[[]]', 'B', 'it[]') #only 1 substitution, ie [] treated as a single character
# [1] "itB"

gsub('[\[\]]', 'B', 'it[]') #single escape, errors as expected

gsub('[\\[\\]]', 'B', 'it[]') #double escape, single substitution
# [1] "itB"

gsub('[\\]\\[]', 'B', 'it[]') #double escape, reversed order, NO substitution
# [1] "it[]"

我不希望将fixed=TRUE与gsub一起使用，因为那样会阻止我使用字符类。那么，如何在正则表达式字符类中包括方括号？

ETA附加试验:

gsub('[[\\]]', 'B', 'it[]') #double escape on closing ] only, single substitution
# [1] "itB"

gsub('[[\]]', 'B', 'it[]') #single escape on closing ] only, expected error

ETA:单个替换是由于未在我的perl=T调用中设置gsub引起的。 IE:

gsub('[[\\]]', 'B', 'it[]', perl=T)

最佳答案

将[:punct:]与negative lookahead结合使用时，可以使用[:punct:]

(?!['-])[[:punct:]]

这样，仅当['-]不存在于(?!['-])中时，它才被匹配。否定的超前断言'可确保此条件。当下一个字符是-或ojit_code时，它将失败，然后完整的表达式将失败。

关于regex - 当[:punct:] is too much，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/16399483/