RegEx文件中的“Operations>Remove空行(包含空白字符)”的r Operations>Remove gsub()等价

Question

我有一个包含几个列的CSV f: Tweet、date等。一些Tweets中的空格会导致空行和不需要的截短行。

工作原理: 1.使用记事本++的函数"Line Operations>Remove空行(包含空白字符)“2.搜索和替换：\r with nothing。

但是，我需要对大量文件执行此操作，而我无法在R中找到一个带有gsub()的正则表达式来执行Notepadd++函数所做的工作。

请注意，将^[ \t]*$\r?\n替换为nothing，然后将\r替换为nothing，在Notepad++中有效，但在R中不起作用，就像建议的here那样，但在R中，g(sub)不起作用。

我尝试了以下代码：

tx <- readLines("tweets.csv") subbed <-gsub(pattern = "^[ \\t]*$\\r?\\n", replace = "", x = tx) subbed <-gsub(pattern = "\r", replace = "", x = subbed) writeLines(subbed, "output.csv")

这是输入：

​

​

这是所需的输出：

​

​

Answer 1

你可以用

library(readtext)
tx <- readtext("weets.csv")
subbed <- gsub("(?m)^\\h*\\R?", "", tx$text, perl=TRUE)
subbed <- gsub("\r", "", subbed, fixed=TRUE)
writeLines(trimws(subbed), "output.csv")

readtext库将文件读入一个变量中，从而保留所有的断行字符。