Блог

У меня есть почти 100 000 строк очищенных данных, которые я преобразовал в фреймы данных. Один столбец представляет собой строку текстовых символов, но работает странно. В приведенном ниже примере есть текст, заключенный в квадратные скобки, информацию, которую я хочу удалить, и я также хочу удалить «(c)». Однако пробел впереди технически не является пробелом (считается ли он пробелом?).

Я не уверен, как воспроизвести пример здесь, потому что, когда я копирую / вставляю запись, она обрабатывается как обычная и работает, но в очищенных данных это не так. Проверка кишки заключалась в подсчете пробелов, и она дала мне 4, что означает, что пробел перед ( не является истинным пробелом. Я не знаю, как это удалить!

Мой код, который я обычно запускаю, выглядит следующим образом. Опять же, работает таким образом, но не работает в моих очищенных данных.

 test<-c("Barry Windham (c) amp; Mike Rotundo (c)")
test<-gsub("[ ][(]c[)]","",test)
  

Вы можете рассмотреть возможность использования:

 test<-c("Barry Windham (c) amp; Mike Rotundo (c)")
gsub("(*UCP)\s \(c\)", "", test, perl=TRUE)
# => [1] "Barry Windham amp; Mike Rotundo"
  

Смотрите онлайн-демонстрацию R

Подробные сведения

• (*UCP) — поддерживает все классы сокращенных символов в регулярном выражении PCRE (это PCRE из-за perl=TRUE ) Unicode
• \s — любые один или несколько пробелов в Юникоде
• \(c\) — (c) подстрока.

Если вам нужно сохранить (c) , запишите его и используйте обратную ссылку при замене:

 gsub("(*UCP)\s (\(c\))", "\1", test, perl=TRUE)