qdapRegex::rm_nchar_words returns 涉及非英文字母时结果不同？

Question

请帮我解决以下困惑：

qdapRegex::rm_nchar_words("è ûé", "1,2")
[1] "è ûé"

qdapRegex::rm_nchar_words('k ku ppp d', "1,2")
[1] "ppp"

为什么在第一行代码中它没有响应 "" 但在第二行中它按预期工作。我在这里想念什么？我唯一能想到的是，在第一行代码中，字符串是由非英文字母构建的。

有什么解决办法吗？

Answer 1

如包作者所述：

它使用\w定义字母，定义为[A-Za-z0-9_]。您需要编写自己的自定义正则表达式来处理 non-ascii 字母

更新：

在我的 Win 7 机器上，输出符合预期。

使用模式"[\pL_]"（任何语言的任何单词）解决它的一种可能方法

rm_nchar_words("è ûé", "1,2", pattern = "[\pL_]")

Win 机器上的语言环境：

locale:
[1] LC_COLLATE=English_United States.1252  LC_CTYPE=English_United States.1252    LC_MONETARY=English_United States.1252
[4] LC_NUMERIC=C                           LC_TIME=English_United States.1252

我会继续调查这个问题并 post 更新我的答案。

更新 2：

rm_nchar_words("è ûé", "1,2", pattern = "[\pL_]")
""

适用于我的 Ubuntu 18.04.

qdapRegex::rm_nchar_words returns 涉及非英文字母时结果不同？

qdapRegex::rm_nchar_words returns different results when non English letters involved?

r

nlp

qdap

qdapregex