删除R中除撇号以外的所有标点符号

我想使用R的gsub删除文本中除撇号以外的所有标点符号。我对regex相当陌生，但我正在学习

示例：

x <- "I like %$@to*&, chew;: gum, but don't like|}{[] bubble@#^)( gum!?"
gsub("[[:punct:]]", "", as.character(x))

x <- "I like %$@to*&, chew;: gum, but don't like|}{[] bubble@#^)( gum!?"
gsub("[^'[:^punct:]]", "", x, perl=T)

#[1] "I like to chew gum but don't like bubble gum"

期望的输出（我希望不要留下中的撇号）

以下是一个例子：

>  gsub("(.*?)($|'|[^[:punct:]]+?)(.*?)", "\\2", x)
[1] "I like to chew gum but don't like bubble gum"

---

主要是为了多样性，这里有一个解决方案，它使用了同名的很棒的包中的

gsubfn（）

。在这个应用程序中，我非常喜欢它所允许的解决方案的表现力：

library(gsubfn)
gsubfn(pattern = "[[:punct:]]", engine = "R",
       replacement = function(x) ifelse(x == "'", "'", ""), 
       x)
[1] "I like to chew gum but don't like bubble gum"

---

（此处需要参数

engine=“R”

，否则将使用默认的tcl引擎。其匹配正则表达式的规则略有不同：例如，如果用于处理上述字符串，则需要设置

pattern=“[[：punct:$|^]”

。感谢G.Grothendieck指出了这一细节。）

x您可以使用双负号从POSIX类
putt
中排除撇号：

[^'[:^punct:]]

代码：

x <- "I like %$@to*&, chew;: gum, but don't like|}{[] bubble@#^)( gum!?"
gsub("[[:punct:]]", "", as.character(x))

x <- "I like %$@to*&, chew;: gum, but don't like|}{[] bubble@#^)( gum!?"
gsub("[^'[:^punct:]]", "", x, perl=T)

#[1] "I like to chew gum but don't like bubble gum"

x正是我所希望的。比我想象的要复杂得多。难怪我有麻烦了。我真的要把你做的事拆开。谢谢。最后，这将是最简单的方法
gsub（“.*？（$|“|”[^[：punct:]]）.*？，“\\1”，x）
。感谢您的跟进。它的工作原理与第一个一样好，并且更易于遵循+1一个警告——由于某种原因，字符类
[：punct://code>在
gsubfn（）
调用的
模式
参数中使用时，与调用
gsub（）
时使用的字符
$
、
或
^
不匹配。因此，我不得不“手动”添加它们。
gsubfn
默认使用tcl正则表达式。如果希望使用R正则表达式，请使用参数
engine=“R”
。@G.Grothendieck——感谢您指出这一点。我已经把它纳入了我的回答中。我使用了
？gsubfn
中的文档，其中指出
模式：与'gsub'
中的'pattern'相同，这意味着应该以相同的方式指定模式。现在我明白这是什么意思了，但我想知道在那里增加一行是否会有所帮助。类似于
If engine=“R”，字符串将按照“help（regex）”中的说明进行匹配。如果使用默认的tcl引擎，模式将按照…
中的说明进行匹配。无论如何，感谢您对该软件包所做的工作！Kay您的代码确实删除了撇号。这就是我认为你的意思。
gsub（“[^[：alnum:][：space:][]，”，x）
。（FWIW，正则表达式中不需要反斜杠）。当然，如果文本包含非ascii字符（例如，多个脚本中的文本），则此答案会出错
x <- "I like %$@to*&, chew;: gum, but don't like|}{[] bubble@#^)( gum!?"
gsub("[^'[:^punct:]]", "", x, perl=T)

#[1] "I like to chew gum but don't like bubble gum"