删除 R 中破折号周围的空格
Removing spaces surrounding dashes in R
我有一个形式为 [1] "James KNIGHT – S" 的字符串，我希望它显示为 [1] "James KNIGHT–S"（通常有更多的文本前置和继续）。在我的测试用例中，我可以使用 gsub 或 str_replace_all 例如：
gsub(" - ", "-", x)
但在我的字符串中，这不起作用（两者都是 utf-8）。我正在尝试找出如何寻找不同类型的破折号（em、en 等？），以确保我以后可以 select（并删除）这些破折号，并想知道这是否是这里的问题，或者是否我还缺少其他东西。 IE。我不知道测试用例和文件数据之间有什么不同。理想情况下，任何带有空格的破折号和单词都会折叠成“-”。
我们可以使用 \p{Pd} 来匹配 em, en unicode 破折号。在这里，我使用正则表达式环视来匹配破折号之前或之后的一个或多个空格 (\s+)，并将其替换为 ''。
gsub("\s+(?=\p{Pd})|(?<=\p{Pd})\s+", "", str1, perl=TRUE)
如果需要保持一致，所有破折号都可以用简单的“-”代替：
gsub("\p{Pd}", "-", str1, perl=TRUE)
我有一个形式为 [1] "James KNIGHT – S" 的字符串，我希望它显示为 [1] "James KNIGHT–S"（通常有更多的文本前置和继续）。在我的测试用例中，我可以使用 gsub 或 str_replace_all 例如：
gsub(" - ", "-", x)
但在我的字符串中，这不起作用（两者都是 utf-8）。我正在尝试找出如何寻找不同类型的破折号（em、en 等？），以确保我以后可以 select（并删除）这些破折号，并想知道这是否是这里的问题，或者是否我还缺少其他东西。 IE。我不知道测试用例和文件数据之间有什么不同。理想情况下，任何带有空格的破折号和单词都会折叠成“-”。
我们可以使用 \p{Pd} 来匹配 em, en unicode 破折号。在这里，我使用正则表达式环视来匹配破折号之前或之后的一个或多个空格 (\s+)，并将其替换为 ''。
gsub("\s+(?=\p{Pd})|(?<=\p{Pd})\s+", "", str1, perl=TRUE)
如果需要保持一致，所有破折号都可以用简单的“-”代替：
gsub("\p{Pd}", "-", str1, perl=TRUE)