从文本向量r中删除多个模式

Question

我想从多个字符向量中删除多个模式。目前我要做的是：

a.vector <- gsub("@\\w+", "", a.vector)
a.vector <- gsub("http\\w+", "", a.vector)
a.vector <- gsub("[[:punct:]], "", a.vector)

等等。

这是痛苦的。我正在看这个问题&答案是：R: gsub, pattern = vector and replacement = vector，但它不能解决问题。

mapply和mgsub都无法正常工作。我做了这些载体

remove <- c("@\\w+", "http\\w+", "[[:punct:]]")
substitute <- c("")

mapply(gsub, remove, substitute, a.vector)和mgsub(remove, substitute, a.vector) worked.都不是

a.vector看起来像这样：

[4951] "@karakamen: Suicide amongst successful men is becoming rampant. Kudos for staing the conversation. #mental"                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                  
[4952] "@stiphan: you are phenomenal.. #mental #Writing. httptxjwufmfg"   

我想要：

[4951] "Suicide amongst successful men is becoming rampant Kudos for staing the conversation #mental"                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                  
[4952] "you are phenomenal #mental #Writing"   `

Answer 1

我知道这个答案出现得太晚了，但它源于我不喜欢在grep函数中手动列出删除模式(请参阅此处的其他解决方案)。我的想法是预先设置模式，将它们保留为字符矢量，然后使用regex seperator "|"粘贴它们(即在需要时

library(stringr)

remove <- c("@\\w+", "http\\w+", "[[:punct:]]")

a.vector <- str_remove_all(a.vector, paste(remove, collapse = "|"))

是的，这确实与这里的一些其他答案有效地做了相同的事情，但我认为我的解决方案允许您保留原始的“字符删除向量”remove。

Answer 2

尝试使用|组合子模式。例如

>s<-"@karakamen: Suicide amongst successful men is becoming rampant. Kudos for staing the conversation. #mental"
> gsub("@\\w+|http\\w+|[[:punct:]]", "", s)
[1] " Suicide amongst successful men is becoming rampant Kudos for staing the conversation #mental"

但是，如果您有大量的模式，或者如果应用一个模式的结果与其他模式相匹配，这可能会出现问题。

考虑按照您的建议创建remove向量，然后在循环中应用它

> s1 <- s
> remove<-c("@\\w+","http\\w+","[[:punct:]]")
> for (p in remove) s1 <- gsub(p, "", s1)
> s1
[1] " Suicide amongst successful men is becoming rampant Kudos for staing the conversation #mental"

当然，这种方法需要扩展以应用于整个表或向量。但是，如果您将其放入返回最终字符串的函数中，则应该能够将其传递给apply变体之一

Answer 3

如果您正在寻找的多个模式是固定的，并且不随情况而改变，您可以考虑创建一个串联的正则表达式，它将所有模式组合成一个超级正则表达式模式。

对于您提供的示例，您可以尝试：

removePat <- "(@\\w+)|(http\\w+)|([[:punct:]])"

a.vector <- gsub(removePat, "", a.vector)