R 查找具有通用字符'；[a，z]-\n'；并替换子字符串的非常规部分'-\n'；

我有文本我正在清理在R。我想使用stringi，但很高兴使用其他软件包

有些单词被分成两行。所以我得到了一个子字符串“半字-\n第二个半字”

我还有一些字符串，它们只是“----\nword”和“-\n”（还有一些我不想替换的字符串）

我要做的是标识所有子字符串“[a-z]-\n”，然后保留通用字母[a，z]，但删除-\n字符

我不想删除所有-\n，也不想删除字母[a-z]

---

谢谢！

您只能在单词字符之间使用单词边界来匹配

-

：

gsub("\\b-\n\\b", "", x)
gsub("(*UCP)\\b-\n\\b", "", x, perl=TRUE)
stringr::str_replace_all(x, "\\b-\n\\b", "", x)

后两个支持任何Unicode单词字符之间的单词边界

看

如果只想删除字母之间的

-

，可以使用

gsub("([a-zA-Z])-\n([a-zA-Z])", "\\1\\2", x)
gsub("(\\p{L})-\n(\\p{L})", "\\1\\2", x, perl=TRUE)
stringr::str_replace_all(x, "(\\p{L})-\n(\\p{L})", "\\1\\2")

如果只需要支持小写字母，请删除第一个

gsub

中的

A-Z

，并将后两个

\p{L}

替换为

\p{Ll}

---

请参阅。

您可以使用单词边界仅在单词字符之间匹配

-

：

gsub("\\b-\n\\b", "", x)
gsub("(*UCP)\\b-\n\\b", "", x, perl=TRUE)
stringr::str_replace_all(x, "\\b-\n\\b", "", x)

后两个支持任何Unicode单词字符之间的单词边界

看

如果只想删除字母之间的

-

，可以使用

gsub("([a-zA-Z])-\n([a-zA-Z])", "\\1\\2", x)
gsub("(\\p{L})-\n(\\p{L})", "\\1\\2", x, perl=TRUE)
stringr::str_replace_all(x, "(\\p{L})-\n(\\p{L})", "\\1\\2")

如果只需要支持小写字母，请删除第一个

gsub

中的

A-Z

，并将后两个

\p{L}

替换为

\p{Ll}

---

请参阅。

您尝试过单词边界了吗？如果您包含一个简单的示例输入和所需的输出，可以用来测试和验证可能的解决方案，这将更容易帮助您。让我们可以轻松地复制/粘贴测试，而不是从您的文本中提取测试。也许您只需要

gsub（（[a-z]）-\n，“\\1”，x）

？您尝试过单词边界了吗？如果您包含一个简单的示例输入和所需的输出，可以用来测试和验证可能的解决方案，这将更容易帮助您。让我们可以轻松地复制/粘贴测试，而不是从您的文本中提取测试。也许您只需要

gsub（（[a-z]）-\n”，“\\1”，x）

？