如何从R中的data.frame文件中删除文本中的标点符号和数字

我想从data.frame文件中删除文本中的标点符号、数字和http链接。我尝试了tm、stringr、quanteda和tidytext软件包，但都不起作用。我正在为clean data.frame文件寻找一个有用的基本包或函数，而无需将其转换为语料库或类似的东西

我怎么做？

---

mycorpus由于您没有发布任何示例输入或示例输出，因此无法对其进行测试，为了从数据帧的特定列中删除标点符号、数字和http链接，您可以尝试执行一次以下操作

gsub("[[:punct:]]|[[:digit:]]|^http:\\/\\/.*|^https:\\/\\/.*","",df$column)

或者根据鲁伊在评论中的建议，也可以使用以下内容

gsub("[[:punct:]]|[[:digit:]]|(http[[:alpha:]]*:\\/\\/)","",df$column)

---

由于您尚未发布任何示例输入或示例输出，因此无法对其进行测试，为了从数据帧的特定列中删除标点符号、数字和http链接，您可以尝试以下操作一次

gsub("[[:punct:]]|[[:digit:]]|^http:\\/\\/.*|^https:\\/\\/.*","",df$column)

或者根据鲁伊在评论中的建议，也可以使用以下内容

gsub("[[:punct:]]|[[:digit:]]|(http[[:alpha:]]*:\\/\\/)","",df$column)

---

如果您的目标是通过替换所有非字符来仅保留以下字符，则可以实现简洁版本。此外，我猜你想用一个空格来代替它，因为你提到了一些关于语料库的东西。否则，您的地址将被压缩为noe长字符串（但这可能是您想要的——正如您可能提供的示例所述）

---

如果您的目标是通过替换所有非字符来仅保留以下字符，则可以实现简洁版本。此外，我猜你想用一个空格来代替它，因为你提到了一些关于语料库的东西。否则，您的地址将被压缩为noe长字符串（但这可能是您想要的——正如您可能提供的示例所述）

---

你到底试过什么？请在做一个R后，我们可以帮助。这包括一个具有代表性的数据示例、尚未运行的代码和预期的输出。欢迎使用。始终建议在文章中使用代码标记发布输入和预期输出的示例。>mycorpus mycorpus mycorpus请提供我们可以使用的数据的简短示例。否则我们必须继续猜测。您可以再看一看tidytext中的unnest_标记，它现在有一个token=“tweets”选项，可能非常适合您。它有包括strip\u punt=TRUE和strip\u url=TRUE的选项。您到底尝试了什么？请在做一个R后，我们可以帮助。这包括一个具有代表性的数据示例、尚未运行的代码和预期的输出。欢迎使用。始终建议在文章中使用代码标记发布输入和预期输出的示例。>mycorpus mycorpus mycorpus请提供我们可以使用的数据的简短示例。否则我们必须继续猜测。您可以再看一看tidytext中的unnest_标记，它现在有一个token=“tweets”选项，可能非常适合您。它有包括strip\u punct=TRUE和strip\u url=TRUE的选项。很好的尝试，但它不会删除

http:

，因为它可以在冒号前面有一个

s

。我用了

“[[：punct:][]|[：digit:][]|（http[:alpha:][]*：\\/\\\/）”

。我的测试字符串是这个问题的网址。@RuiBarradas，很酷，谢谢你让我知道，现在更改了它/。很好的尝试，但它不会删除

http:

，因为它可以在冒号之前有一个

s

。我用了

“[[：punct:][]|[：digit:][]|（http[:alpha:][]*：\\/\\\/）”

。我的测试字符串是这个问题的网址。@RuiBarradas，很酷，谢谢你让我知道，现在更改了它/。我不能这样做，因为我的数据有86909行。当我使用gsub R时，请尝试转换控制台中的所有数据，如#[1]。。。程序正在崩溃。因此，我需要一个解决方案，删除data.frame中的所有标点。它自己更新了我的答案，以显示如果data.frame有100000行，您将如何应用替换，这只需要秒。我不能这样做，因为我的数据有86909行。当我使用gsub R时，请尝试转换控制台中的所有数据，如#[1]。。。程序正在崩溃。因此，我需要一个解决方案，删除data.frame中的所有标点。它自己更新了我的答案，以显示如果data.frame有100000行，将如何应用替换，这只需要几秒钟