R 消除句子中的胡言乱语

在文本清理过程中，是否可以检测并删除句子中的此类垃圾：

x <- c("Thisisaverylongexample and I was to removeitnow", "thisisjustjunk but I do I remove it")

---

但是，我越是回顾我的数据框架，我发现更多的句子与这种类型的垃圾。如何使用诸如regex之类的工具来检测和删除包含此类垃圾内容的行

如果“垃圾”可以通过其不寻常的长度检测到，您可以相应地定义规则。例如，如果要删除10个或更多字符的单词，这将提取它们：

library(stringr)
str_extract_all(x, "\\b\\w{10,}\\b")
[[1]]
[1] "Thisisaverylongexample" "removeitnow"           

[[2]]
[1] "thisisjustjunk"

这将消除它们：

trimws(gsub("\\b\\w{10,}\\b", "", x))
[1] "and I was to"         "but I do I remove it"

数据：

---

x如果“垃圾”可以通过其不寻常的长度检测到，则可以相应地定义规则。例如，如果要删除10个或更多字符的单词，这将提取它们：

library(stringr)
str_extract_all(x, "\\b\\w{10,}\\b")
[[1]]
[1] "Thisisaverylongexample" "removeitnow"           

[[2]]
[1] "thisisjustjunk"

这将消除它们：

trimws(gsub("\\b\\w{10,}\\b", "", x))
[1] "and I was to"         "but I do I remove it"

数据：

x你想要
str_remove（x，'thisaverylongexample'）
还是
gsub（'thisaverylongexample'，''，x）
？我想要一个类似这样的东西：gsub（'thisaverylongexample'，''，x）。基本上，如何在一个句子中检测出这样的垃圾。为此，你需要先定义“垃圾”。即使使用regex，您也需要定义一些规则来检测此类垃圾。它在肉眼看来是垃圾，但你如何告诉计算机这一点？这是你所谓的“垃圾”的一个定义特征，即它是一个异常长的字符串？如果是这样，您可以相应地定义一个规则。您想要
str_remove（x，'thisaverylongexample'）
还是
gsub（'thisaverylongexample'，''，x）
？我想要一个类似这样的东西：gsub（'thisaverylongexample'，''，x）。基本上，如何在一个句子中检测出这样的垃圾。为此，你需要先定义“垃圾”。即使使用regex，您也需要定义一些规则来检测此类垃圾。它在肉眼看来是垃圾，但你如何告诉计算机这一点？这是你所谓的“垃圾”的一个定义特征，即它是一个异常长的字符串？如果是这样，您可以相应地定义规则。