在R中异常的gsub

Question

我正在从希伯来语文本中删除英文字符，但希望保留我想要的英文单词的简短列表，例如words2keep <- c("ok", "hello", "yes*")。因此，我当前的正则表达式是text <- gsub("[A-Z,a-z]", "", text)，但问题是如何添加异常，这样它就不会删除所有的英语单词。

再现例子：

text = "ok אני מסכים איתך Yossi Cohen"

在gsub之后异常

text = "ok אני מסכים איתך"

谢谢你的所有建议

Answer 1

这是个棘手的问题。我认为，我们可以通过使用\b单词边界断言对整个单词进行匹配，同时在匹配之前包含一个负面的前瞻性断言，该断言拒绝您想要删除的单词(同样是完整的单词)(或相等的白名单以供保存)。这似乎正在发挥作用：

gsub(perl=T,paste0('(?!\\b',paste(collapse='\\b|\\b',words2keep),'\\b)\\b[A-Za-z]+\\b'),'',text);
[1] "ok אני מסכים איתך  "

Answer 2

使用带A的gsub函数所有大写字母A到Z都将被删除，对于总单词删除使用.*进行全字符删除

gsub("[A-Z].*","",text)

[1] "ok אני מסכים איתך "

#data

text = "ok אני מסכים איתך Yossi Cohen"