从字符串末尾删除多个非字母字符

Question

我正在对数据框列中的一系列个人名称进行一些数据清理。我想删除每个名称末尾的非字母字符。

countries <- c("Senegal1345769", "Canada&", "Austria12", "Spain-", "Russia#$")

在上面的例子中，我想把国家变成:

[1] "Senegal"   "Canada"   "Austria" "Spain"    "Russia"

我可以将 gsub() 与字符特定模式(例如，pattern = ",$")一起使用，但我不太确定如何对字符串执行此操作具有多个不同的尾随非字母(例如，“Senegal1345769”)。

将使用什么样的模式来解决这个问题？

Answer 1

您对 [^:alpha:]+$ 的初步尝试几乎是正确的。您只需要记住，POSIX 字符类(如 [:alpha:])应该在括号表达式中使用。

使用

countries <- c("Senegal1345769", "Canada&", "Austria12", "Spain-", "Russia#$")
sub("[^[:alpha:]]+$", "", countries)
## => [1] "Senegal" "Canada"  "Austria" "Spain"   "Russia" 

参见 online R demo .

详细信息:

• [^ - 否定括号表达式的开始
  • [:alpha:] - 一个字母 POSIX 字符类...
• ]+ - 一次或多次
• $ - 字符串结尾。

因此，[^[:alpha:]]+$ 模式匹配字符串末尾除字母以外的 1 个或多个字符。

如果这个表达式不起作用，你也可以尝试 PCRE 模式:

sub("(*UCP)\\P{L}+$", "", countries, perl=TRUE)

参见 another online R demo .

在这里，

• (*UCP) - 使模式识别 Unicode
• \\P{L}+ - 1 个或多个字母以外的字符
• $ - 字符串结尾。