R - gsub 从字符串中删除标点符号和数字

Question

我正在尝试从 <U+200B>Chandler 中删除标点符号和数字成为Chandler .这是我目前正在尝试的:

df$city <- gsub("[[:punct:]]|[[:digit:]]", "", df$city)

但是，它不会更改“df”中“城市”列中的单元格。当我搜索 typeof(df) 时，我得到“列表”。这可能与它有关？

如有任何帮助，我们将不胜感激。

Answer 1

首先是第二个问题，tyepof() 将始终为数据框返回list，因为data frames are really just lists of equal length vectors .

对于第一个问题，您的数据中似乎有一些 Unicode 编码的字符。处理这些问题的一种好方法是转换它们，例如:

df$city <- iconv(df$city, 'utf-8', 'ascii', sub = '')

也可以gsub 输出十六进制代码中的字符，如下所示:

df$city <- gsub('\u200B', '', df$city)

甚至一个范围:

df$city <- gsub('[\u2000-\u20ff]', '', df$city)

但我真的认为 iconv 方法是可行的方法。在这种用法中，它只会删除字符而不是渲染它，但这似乎就是您想要的。