时间戳

首页 > 解决方案 > 无法删除外语 unicode 代码

r - 无法删除外语 unicode 代码

问题描述

我有一个包含多种外语（俄语、日语、阿拉伯语等）信息的 .csv 文件。例如，列条目如下所示：<U+03BA><U+03BF><U+03C5>。我想删除具有此类信息的行。我尝试了各种解决方案，但都没有结果：

test_fb5 <- read_csv('test_fb_data.csv', encoding = 'UTF-8')

或申请专栏：

gsub("[<].*[>]", "")` or `sub("^\\s*<U\\+\\w+>\\s*", "")

或者

gsub("\\s*<U\\+\\w+>$", "")

似乎 R 4.1.0 没有找到相应的字符。我找不到在此处附加一小块文件的方法。这是文件的捕获：

                        address
33085                                           9848a 33 avenue nw t6n 1c6 edmonton ab canada alberta
33086                                 1075 avenue laframboise j2s 4w7 sainthyacinthe qc canada quebec
33087 <U+03BA><U+03BF><U+03C5><U+03BD><U+03BF><U+03C5>p<U+03B9>tsa 18050 spétses greece attica region
33088                                       390 progress ave unit 2 m1p 2z6 toronto on canada ontario
                                                     name
33085                                md legals canada inc
33086                             les aspirateurs jpg inc
33087 p<U+03AC>t<U+03C1>a<U+03BB><U+03B7><U+03C2>patralis
33088                    wrench it up plumbing mechanical
                                                               category
33085 general practice attorneys divorce  family law attorneys notaries
33086                                                              <NA>
33087               mediterranean restaurants fish  seafood restaurants
33088            plumbing services damage restoration  mold remediation
             phone
33085  17808512828
33086  14507781003
33087 302298072134
33088  14168005050

3308 是数据集的行谢谢您的时间！

标签： rdata-cleaningdata-wrangling

解决方案

您可以使用否定字符类来删除<U...>代码：

gsub("<[^>]+>", "", x)

这匹配任何子字符串：

  • 开头<，
  • 后面跟着一个或多个字符，除了该>字符，并且
  • 结束于>

如果您在<and之间有其他>不想删除的子字符串，只需添加U到更具体的目标 unicode 代码，因此：<U[^>]+>

数据：

x <- "address 33085 9848a 33 avenue nw t6n 1c6 edmonton ab canada alberta 33086 1075 avenue laframboise j2s 4w7 sainthyacinthe qc canada quebec 33087 <U+03BA><U+03BF><U+03C5><U+03BD><U+03BF><U+03C5>p<U+03B9>tsa 18050 spétses greece attica region 33088 390 progress ave unit 2 m1p 2z6 toronto on canada ontario name 33085 md legals canada inc 33086 les aspirateurs jpg inc 33087 p<U+03AC>t<U+03C1>a<U+03BB><U+03B7><U+03C2>patralis 33088  wrench it up plumbing mechanical category 33085 general practice attorneys divorce  family law attorneys notaries 33086                                                              <NA> 33087               mediterranean restaurants fish  seafood restaurants 33088            plumbing services damage restoration  mold remediation phone 33085  17808512828 33086  14507781003 33087 302298072134 33088  14168005050"

推荐阅读