删除r中所有的非英语字符。

Question

我有一个数据文件，里面有一些法语、日语，数据文件看起来如下：

我们有两栏：

• Col1包含一个句子，大部分是用英语，有些是用外语。
• Col2全是英国人。

Col1看起来很好：

| _ - 5 | PR - The number of qualified candidates
| _ - 6 | PR - アルバイト募集を掲載していますが、応募者がほとんどいないため。
| _ - 8 | PR - Quick, easy, inexpensive and plenty of applicants 

我所做的就是只保留英语。如果我们在一排找到一个外语单词。我要删除整排。

有人知道在R里怎么做吗？

Answer 1

也许您可以使用textcat包，它声称它可以检测到超过74种语言(它不适用于阿拉伯语:()

library("textcat")
dat <- read.table(text='
| _ - 5 | PR - The number of qualified candidates
| _ - 6 | PR - アルバイト募集を掲載していますが、応募者がほとんどいないため。
| _ - 8 | PR - Quick, easy, inexpensive and plenty of applicants' ,sep='|')

dat[textcat(dat$V3) =="english",]

 V1      V2                                                      V3
1 NA  _ - 5                  PR - The number of qualified candidates
3 NA  _ - 8   PR - Quick, easy, inexpensive and plenty of applicants