我几天前才开始学习R,到目前为止正则表达式本身比我尝试过的任何编程语言都困难,呵呵……我非常需要一个,这将帮助我提取所有的字母序列,数字,美元符号,单引号和双引号(最后两个似乎是问题)。这是一个垃圾邮件预测项目使用朴素贝叶斯和区分符号序列可能有单引号或双引号是一个要求。我专门使用了stringr库中的str_extract_all函数,在过去的两天里,我必须阅读了大约50篇文章,而没有找到解决我的具体问题的方法,以至于我根本没有时间了。任何帮助都将是非常感谢的,并将使我在我的机器学习兴趣向前迈进一步。干杯。
发布于 2018-04-08 14:03:41
您可以尝试在这里使用regmatches返回给定输入字符串中模式的所有匹配:
txt <- "Hello World \"how are you today\"? Goodbye."
m <- gregexpr("[0-9A-Za-z$'\"]+", txt, perl = TRUE)
regmatches(txt, m)
[[1]]
[1] "Hello" "World" "\"how" "are" "you" "today\"" "Goodbye"
输出可能没有多大意义,但没有将空白作为序列中允许的字符。因此,我们留下了文字,可能在任何一方都有引语。
https://stackoverflow.com/questions/49718559
复制相似问题