R正则表达式除去撇号，除了前面的撇号和后面的字母

Question

我正在清理一个文本，我想删除任何撇号，除了前面的撇号和后面的字母，比如:I‘s，I’s，he‘s.等等。

我有以下初步解决方案，处理许多案件，但我想要一个更好的解决方案：

rmAps <- function(x) gsub("^\'+| \'+|\'+ |[^[:alpha:]]\'+(a-z)*|\\b\'*$", " ", x)

rmAps("'i'm '' ' 'we end' '")
[1] " i'm   we end  "

我也试过：

(?<![a-z])'(?![a-z])

但我想我还是错过了某物。

Answer 1

gsub("'(?!\\w)|(?<!\\w)'", "", x, perl = TRUE)
#[1] "i'm   we end "

删除字符后面没有单词字符的场合：'(?!\\w)。

删除字符前面没有单词字符的场合：(?<!\\w)'。

如果出现任何一种情况，您都希望将其删除，因此'(?!\\w)|(?<!\\w)'应该能做到这一点。请注意，\\w包含下划线，并根据需要进行调整。

另一个选择是

gsub("\\w'\\w(*SKIP)(*FAIL)|'", "", x, perl = TRUE)

在本例中，当'被word字符：\\w'\\w包围时，您将匹配任何实例，然后强制该匹配与(*SKIP)(*FAIL)失败。但是，也要寻找使用'的|'。结果是，只有出现的'没有包装在字字符将被匹配和替代。

Answer 2

您可以使用以下正则表达式：

(?<=\w)'(?=\w)

• (?<=)是一个积极的背景。在下一个选择器之前，内部的所有内容都需要匹配。
• (?=)是一个积极的展望。在前面的选择器之后，内部的所有内容都需要匹配。
• \w任何字母数字字符和下划线

如果要限制结果，还可以将\w切换到例如[a-zA-Z]。

for live testing.