Question

我试图制作一个正则表达式来删除除了以外的所有内容：

字母
撇号＆＃39; S
单一空格

我尝试使用Lookbehind ([^\\p{L} ']+获取额外的空格(?<=\\s)\\s+。每个都是孤立的：

gsub("(?<=\\s)\\s+", "", "I like 56 dogs that's him55.", perl = TRUE)
## [1] "I like 56 dogs that's him55."

gsub("[^\\p{L} ']+", "", "I like 56 dogs that's him55.", perl = TRUE)
## [1] "I like  dogs that's him"

但是当我使用或（|）来连接它们时：

gsub("((?<=\\s)\\s+)|([^\\p{L} ']+)", "", "I like 56 dogs that's him55.", perl = TRUE)

返回：

[1] "I like  dogs that's him"

我希望删除多个额外空间（喜欢和狗之间），如：

[1] "I like dogs that's him"

如何使用一个正则表达式删除除字母，撇号和额外空格之外的所有内容？

Answer 1

似乎问题来自你的正则表达式中的空间，它将每个数字转换为空格，代码对于我来说工作正常：

gsub("[^\\p{L}']+", " ", "I like 56 dogs that's him55.", perl = TRUE)

Answer 2

如果您在一次通话中尝试执行此操作，则可以尝试以下操作：

gsub("[^\\pL' ]+\\h+(?=\\h)|\\h+(?=[^\\pL' ]+)|[^\\pL' ]+", "", x, perl=T)
# [1] "I like dogs that's him"

如果你想要更有效的IMO，这是你可以采用的另一种方法。

x <- "I like 56 dogs that's him55."
r <- gsub("[^\\pL' ]+", '', x, perl=T)
paste(strsplit(r, '\\s+')[[1]], collapse = ' ')
# [1] "I like dogs that's him"

正则表达式删除除字母以外的所有内容并删除多个空格

2 个答案: