regex - 如何删除非字母字符并将所有字母转换为 R 中的小写？

Question

在以下字符串中:

"I may opt for a yam for Amy, May, and Tommy."

如何删除非字母字符并将所有字母转换为小写并对 R 中每个单词中的字母进行排序？

同时，我尝试对句子中的单词进行排序并删除重复项。

Answer 1

您可以使用 stringi

library(stringi)
unique(stri_sort(stri_trans_tolower(stri_extract_all_words(txt, simplify = TRUE))))

这使:

## [1] "a"     "amy"   "and"   "for"   "i"     "may"   "opt"   "tommy" "yam" 

更新

正如@DavidArenburg 所提到的，我忽略了您问题中的“对单词中的字母进行排序”部分。您没有提供所需的输出，也没有立即想到应用程序，但是，假设您想确定哪些单词具有匹配的对应项(字符串距离为 0):

unique(stri_sort(stri_trans_tolower(stri_extract_all_words(txt, simplify = TRUE)))) %>%
  stringdistmatrix(., ., useNames = "strings", method = "qgram") %>%

#       a amy and for i may opt tommy yam
# a     0   2   2   4 2   2   4     6   2
# amy   2   0   4   6 4   0   6     4   0
# and   2   4   0   6 4   4   6     8   4
# for   4   6   6   0 4   6   4     6   6
# i     2   4   4   4 0   4   4     6   4
# may   2   0   4   6 4   0   6     4   0
# opt   4   6   6   4 4   6   0     4   6
# tommy 6   4   8   6 6   4   4     0   4
# yam   2   0   4   6 4   0   6     4   0

  apply(., 1, function(x) sum(x == 0, na.rm=TRUE)) 

# a   amy   and   for     i   may   opt tommy   yam 
# 1     3     1     1     1     3     1     1     3 

一个以上的词 0每行( "amy", "may", "yam" )有一个乱码对应物。