regex - R正则表达式删除Unicode撇号

Question

假设我在 R 中有以下字符串:
text <- "[Peanut M&M\u0092s]"
我一直在尝试使用正则表达式通过搜索和删除 \u0092 来删除撇号:
replaced <- gsub("\\\\u0092", "", text )
但是，以上似乎不起作用，结果与原始结果在同一行。执行此删除操作的正确方法是什么？

此外，如果我想删除打开和关闭 [] , 一次性完成还是在单独的行中完成更有效？

Answer 1

您可以使用 [^[:ascii:]]使用类似 Perl 的正则表达式构造以从您的输入中删除非 ASCII 代码，并且您可以添加替代 [][]也匹配方括号:

text <- "[Peanut M&M\u0092s]"
replaced <- gsub("[][]|[^[:ascii:]]", "", text, perl=T)
replaced
## => [1] "Peanut M&Ms"

见 IDEONE demo

如果您只打算删除 \0092符号，您不需要像正则表达式这样的 Perl:

replaced <- gsub("[][\u0092]", "", text)

见 another demo

请注意 [...]是匹配 1 个符号的字符类，这里是 ]或 [ , 或 \u0092 .如果您放置 ]在字符类的开头，不需要转义。 [不需要在字符类中转义(在 R 正则表达式和其他一些风格中也是如此)。