R：Unicode 字符串的 Perl 正则表达式
R: Perl Regex for unicode character string
我正在尝试删除散布在我的数据中的一些 unicode 字符串。
Sample data <- "['oguma', 'makeup', u'\u0e27\u0e34\u0e15\u0e32\u0e21\u0e34\u0e19\u0e2b\u0e19\u0e49\u0e32\u0e40\u0e14\u0e47\u0e01', 'jeban',]"
我想捕获以 u'\ 开头并在末尾包含逗号的所有内容。
我想从以下开始：
gsub("u/\/\'....
+ 包括下一个逗号在内的所有内容，但我不确定如何说第二部分。
结果为：
Sample data <- "['oguma', 'makeup', 'jeban',]"
建议？
这是一个正则表达式解决方案，它将删除以 u' 开头的子字符串，后跟非 ASCII 字符（1 个或多个）并以逗号（可选，1 或 0）和空格（也可选，0个或更多):
data <- "['oguma', 'makeup', u'\u0e27\u0e34\u0e15\u0e32\u0e21\u0e34\u0e19\u0e2b\u0e19\u0e49\u0e32\u0e40\u0e14\u0e47\u0e01', 'jeban',]"
gsub("u'[^[:ascii:]]+',?\s*", "", data, perl=T)
## => [1] "['oguma', 'makeup', 'jeban',]"
请注意，示例中类似 \u0e27 的子字符串只是非 ASCII 字符 - 如果您打印字符串 - 将正确显示为那些 letters/symbols（此处，u'วิตามินหน้าเด็ก'，泰语 "vitamins for kids" - Google 翻译）。
我正在尝试删除散布在我的数据中的一些 unicode 字符串。
Sample data <- "['oguma', 'makeup', u'\u0e27\u0e34\u0e15\u0e32\u0e21\u0e34\u0e19\u0e2b\u0e19\u0e49\u0e32\u0e40\u0e14\u0e47\u0e01', 'jeban',]"
我想捕获以 u'\ 开头并在末尾包含逗号的所有内容。
我想从以下开始：
gsub("u/\/\'....
+ 包括下一个逗号在内的所有内容，但我不确定如何说第二部分。
结果为：
Sample data <- "['oguma', 'makeup', 'jeban',]"
建议？
这是一个正则表达式解决方案，它将删除以 u' 开头的子字符串，后跟非 ASCII 字符（1 个或多个）并以逗号（可选，1 或 0）和空格（也可选，0个或更多):
data <- "['oguma', 'makeup', u'\u0e27\u0e34\u0e15\u0e32\u0e21\u0e34\u0e19\u0e2b\u0e19\u0e49\u0e32\u0e40\u0e14\u0e47\u0e01', 'jeban',]"
gsub("u'[^[:ascii:]]+',?\s*", "", data, perl=T)
## => [1] "['oguma', 'makeup', 'jeban',]"
请注意，示例中类似 \u0e27 的子字符串只是非 ASCII 字符 - 如果您打印字符串 - 将正确显示为那些 letters/symbols（此处，u'วิตามินหน้าเด็ก'，泰语 "vitamins for kids" - Google 翻译）。