Regex 具有特殊字符的R-gsub

我试图用

gsub

替换我认为是标准的短跑。我测试的代码是：

gsub（“-”、“ABC”、“报告-估算”）

不过，这没什么作用。我复制并粘贴了破折号到，它似乎是一个en破折号。该网站提供了十六进制，十二进制等代码的一个en破折号，我一直试图取代en破折号，但没有运气。建议

（作为奖励，如果你能告诉我是否有识别特殊字符的功能会有帮助的话）

---

我不确定SO的代码格式是否会改变破折号格式，因此我正在使用破折号（–）。

您可以通过在正则表达式模式中指定它来替换en破折号

gsub("–", "ABC", "reported – estimate")

可以将所有连字符、en-和em-破折号与匹配

gsub("[-–—]", "ABC", "reported – estimate — more - text")

看

要检查字符串中是否有非ascii字符，请使用

> s = "plus ça change, plus c'est la même chose"
> gsub("[[:ascii:]]+", "", s, perl=T)
[1] "çê"

看

---

您将得到一个空结果（如果字符串仅由“word”字符和空格组成），或者-如这里所示-一些“特殊”字符

对于特殊字符替换，可以使用负数补码

---

gsub（“[^\\w]*”、“ABC”、“reported-estimate”、perl=True）

将用ABC替换所有特殊字符。[^\w]是一种模式，表示任何非正常字符。

这很好。也许我对“特殊字符”没有使用正确的术语。我的意思是，这些字符不是标准的UTF-8。例如，当使用readr:：write_csv（）导出时，我发现这些字符看起来很奇怪。您提供的gsub是否可以更改以将“ô”标识为“特殊字符”。您可以将其与正则表达式一起使用，以匹配所有ascii:

gsub（“[：ascii:]+”，“”，s）

。这将从保留结果中所有Unicode字符的字符串中删除所有ascii。您只需将

perl=T

与上述正则表达式模式一起使用，因为这是一个PCRE构造。