从R中的data.table中删除十六进制值

我有一个名为Site的大型数据表（300000行，100列）。整个数据表都是十六进制值，例如：“\x96”或“\xc9”。我希望删除所有这些值。它们的格式为“\x”，后跟两个字符（数字或字母）

下面是替换值的函数。我可以按如下所示单独执行每项操作，但我需要一个通用命令，该命令将删除表中的所有十六进制值

Site<- as.data.table(apply(Site, 2, function(x) gsub("\x8e", "", x)))

如何删除这些十六进制值？非常感谢您的帮助

以下是一个可复制的示例：

dt <- data.table(A = c("Th\xa1is","is","the","first\x12"), B = c("This","\x45is","the","second"))

---

你很困惑。我也是，我们大多数人也是。使用字符，它们的编码和显示

很难找到帮助的相关部分<代码>？引号为我们提供了一块拼图<代码>“\x”或

“\x”

后跟除1或2位以外的任何数字（或a和f之间的字母）对R解析器都没有意义

在

“\x01”

和

“\x7f”

之间，可以找到“传统”ASCII表<例如，代码>相同（“\x30”，“0”），

相同（“\x39”，“9”）

，

相同（“\x41”，“A”）

，

相同（\x5A”，“Z”）

，都是

真的

然后在该符号允许的128个其他值中，在
“\x80”
和
“\xff”
之间，您将找到所谓的“拉丁1”表的其余部分

然后是所有其他字符的Unicode，以及无处不在的UTF-8编码

因此，当您说“删除所有十六进制值”时，您只能假设
“\x80”
和
“\xff”
之间的字符是困扰您的字符。也许这些字符的显示方式有问题。或者是编码问题。或者其中一些只是控制字符。但是，让我们按照您的要求将它们全部删除：

dt[, lapply(.SD, gsub, pattern = "[\x80-\xff]", replacement = "")]

应该这样做。或者，如果您想变得更激进，删除所有非ASCII的内容：
dt[，lapply（.SD，gsub，pattern=“[^\x01-\x7f]”，replacement=“”）]

同样值得注意的是：R（与Python不同）没有原始字符串，我怀疑这就是注释中最初混乱的原因。在Python中，您可以执行
“\\”
或
r“\”
在字符串中使用实际反斜杠，但在r中，您不能。您只能选择转义它：
“\\”
。在给出的regex101示例中，测试字符串中有
Th\xa1is
。但这与在R中执行
“Th\xa1is”

时的情况不同
（编辑：从R版本4.0开始，我们现在有了原始字符串：
R“（Th\xa1is）”
给出了
[1]“Th\\xa1is”
）
您能给出一个可重复的示例吗<代码>应用

几乎总是一个坏主意。你描述的正则表达式应该是

“\\x[a-ZA-Z0-9]{2}”

，我想。@Frank

a-z

不是

a-z

。可能只是一个输入错误。@Frank考虑到输入错误，命令不会删除字符。我还加了一个例子，你的要求我很难理解。为什么要删除字母

“E”

的

“\x45”

？我猜您想删除不在

“\x20”

和

“\x7e”

之间的字符，即拉丁字母和其他一些特殊字符。这将给出

dt[，lapply（.SD，gsub，pattern=“[^\x20-\x7e]”，replacement=“”）]

@Frank Sure。虽然我自己对这个问题不是很清楚。

       A      B
1:  This   This
2:    is     is
3:   the    the
4: first second

dt[, lapply(.SD, gsub, pattern = "[\x80-\xff]", replacement = "")]