从字符串中提取西里尔字母

Question

下面的函数从字符串中提取英文字母表中的任何字母。

is.letter <- function(x) grepl("[:alpha:]", x)

我想构建一个类似的函数，它只从给定的字符串中提取循环字母。

更新：

使用 Wiktor Stribiżew 提供的代码，我得到以下结果：

grepl("\p{Cyrillic}", x, perl=TRUE)

test[, c(2, 11)]
      MOBILE_NUMBER contain_cyrlic
    1  НЕМА ТЕЛЕФОН          FALSE
    2      НЕПОЗНАТ          FALSE
    3  НЕМА ТЕЛЕФОН          FALSE
    4  НЕМА ТЕЛЕФОН          FALSE

有什么想法吗？

Answer 1

stringi 可能会为您提供更多 cross-platform/system 一致的结果，但 stri_detect_regex 和 grepl （在 "perl" 模式下）应该可以解决问题：

library(stringi)
library(dplyr)

data_frame(
  MOBILE_NUMBER = c("НЕМА ТЕЛЕФОН", "НЕПОЗНАТ", "НЕМА ТЕЛЕФОН", "НЕМА ТЕЛЕФОН")
) -> tst

tst
## # A tibble: 4 × 1
##   MOBILE_NUMBER
##           <chr>
## 1  НЕМА ТЕЛЕФОН
## 2      НЕПОЗНАТ
## 3  НЕМА ТЕЛЕФОН
## 4  НЕМА ТЕЛЕФОН

(t1 <- mutate(tst, is_cyrillic = grepl("\p{Cyrillic}", MOBILE_NUMBER, perl=TRUE)))
## # A tibble: 4 × 2
##   MOBILE_NUMBER is_cyrillic
##           <chr>       <lgl>
## 1  НЕМА ТЕЛЕФОН        TRUE
## 2      НЕПОЗНАТ        TRUE
## 3  НЕМА ТЕЛЕФОН        TRUE
## 4  НЕМА ТЕЛЕФОН        TRUE

(t2 <- mutate(tst, is_cyrillic = stri_detect_regex(MOBILE_NUMBER, "\p{Cyrillic}")))

## # A tibble: 4 × 2
##   MOBILE_NUMBER is_cyrillic
##           <chr>       <lgl>
## 1  НЕМА ТЕЛЕФОН        TRUE
## 2      НЕПОЗНАТ        TRUE
## 3  НЕМА ТЕЛЕФОН        TRUE
## 4  НЕМА ТЕЛЕФОН        TRUE

identical(t1, t2)
## [1] TRUE

从字符串中提取西里尔字母

Extract Cyrillic letters from string

regex

r

grepl