时间戳

首页 > 解决方案 > 如何从r中的字符串中删除以下unicode？

r - 如何从r中的字符串中删除以下unicode？

问题描述

我有以下7007756484480000000<U+2660>75,648,448
要删除的字符串，7007756484480000000<U+2660>以及我一直在尝试其他许多不同方式的逗号
，但我没有得到它。如果有人可以提供帮助，将不胜感激。

标签： rregex

解决方案

表达一个明确的问题可能存在语言障碍，但如果我正在阅读请求，它是从该字符串中删除“7007756484480000000”和“,”。pattern正则表达式函数的第一个参数 (the )gsub在写入模式字符串中时将接受逻辑 OR "|"，因此我们可以将任何此类实例替换为""：

> x <- "700775648448000000075,648,448"
> gsub("7007756484480000000|,","",x)
[1] "75648448"

对于修改后的问题（如果这确实是字符串在 R 中显示时的样子），您可以删除直角括号和逗号之前的所有内容：

gsub("(^.+>)|,",   # match either a comma or (everything from start to the ">")
      "",          # replace with empty string
      "7007756484480000000<U+2660>75,648,448")   # the input

一个真正的 Unicode 字符应该是这样的：

 z <- "\U2660"
 nchar(z)
#[1] 1
# whereas you just have ordinary characters
 z <- "<U+2660>"
 nchar(z)
#[1] 8

如果它是 R 字符向量中的“真实”Unicode 字符，它可以通过以下两种方式之一被删除，或者使用字符类机制或使用必要的双（在这种情况下是三重反斜杠），因为 R和 PCRE 共享一个转义字符（“|”）：

z <- "\U2660"
z
#[1] "♠"
gsub("\\U2660","",z)
#[1] "♠"
gsub("\\U2660","",z)
#[1] "♠"

#Method 1
gsub("[\U2660]","",z)
#[1] ""

#Method 2
 gsub("\\\U2660","",z)
#[1] ""

推荐阅读