Início / coding / Perguntas / 79339981
Accepted
Joe
Asked: 2025-01-09 00:14:00 +0800 CST

Usando um gsub para remover um caractere especial que nem sempre está no mesmo lugar

  • 772

Tenho uma string na qual desejo remover o caractere especial e letras/números ao redor do caractere especial. A string nem sempre terá o mesmo comprimento.

myString
"a-a b-b cc-cc*"
"1-1 *bb-bb"
"aa-bb*"
"aa-aa *3b-3b"

Estou tentando remover o caractere especial e quaisquer letras/números que o cercam para que fique assim:

myString
"a-a b-b"
"1-1"
""
"aa-aa"

5 respostas

  1. Faça isso

    myString <- c("a-a b-b cc-cc*","1-1 *bb-bb","aa-bb*","aa-aa *3b-3b")
trimws(gsub("\\s*\\w+-\\w+\\*|\\*\\w+-\\w+|\\w+\\*\\w+", "", myString))

    Resultado

    "a-a b-b" "1-1"     ""        "aa-aa"

    Explicação degsub

    • \\w+-\\w+\\*: caracteres de palavras com "-" seguido de "*" OU
    • \\*\\w+-\\w+: * seguido por caracteres de palavras com "-" OU
    • \\w+\\*\\w+: caracteres de palavra, depois "*", depois caracteres de palavra

    trimws()remove os espaços restantes

    • 3
  2. Best Answer

    A resposta básica do R é ótima - uma abordagem do tidyverse usando stringralguma regex reduzida seria:

    stringr::str_trim(stringr::str_remove_all(xx, "\\b\\w+-\\w+\\*|\\*\\w+-\\w+\\b"))

# [1] "a-a b-b" "1-1"     ""        "aa-aa"
    • 3

  3. Outra regex seria:

    gsub(" ?[^ ]*[*][^ ]*", "", myString) # remove any word that contains *
[1] "a-a b-b" "1-1"     ""        "aa-aa"
    • 3

  4. Se pudéssemos apenas procurar por um *que segue ou é seguido por qualquer caractere

    sapply(strsplit(myString, " "), \(x) 
  paste(x[!grepl("\\*.+|.+\\*", x)], collapse=" "))
[1] "a-a b-b" "1-1"     ""        "aa-aa"

    Isso pode reduzir a complexidade da expressão regular.

    • 2

  5. Já existem algumas respostas excelentes, mas aqui vai uma que é um pouco mais simples. Os padrões \\sand \\wdependem de expressões regulares Perl, eu não os uso abaixo, mas se você estiver usando perl=TRUE, eles podem simplificar as coisas.

    Como as expressões regulares são, por padrão, gananciosas, ou mais longas à esquerda, não precisamos usar "ou" |, classes de caracteres e possíveis correspondências de comprimento zero funcionarão.

    Então, um padrão básico é:

    myString <- c("a-a b-b cc-cc*","1-1 *bb-bb","aa-bb*","aa-aa *3b-3b")

gsub("[-a-z0-9]*\\*[-a-z0-9]*", "", myString)

    Isso deixa os espaços, para removê-los também, use:

    gsub("[[:blank:]]*[-a-z0-9]*\\*[-a-z0-9]*[[:blank:]]*", "", myString)
    • 2

relate perguntas