如何在 R 中使用 gsub() 函数替换“+”

Question

我正在尝试删除数据框的字符串元素之一中存在的“+”字符。但我找不到解决办法。

下面是数据框。

txtdf <- structure(list(ID = 1:9, Var1 = structure(c(1L, 1L, 1L, 1L, 4L, 
            5L, 5L, 2L, 3L), .Label = c("government", "parliament", "parliment", 
            "poli+tician", "politician"), class = "factor")), .Names = c("ID", 
            "Var1"), class = "data.frame", row.names = c(NA, -9L))
#  ID   Var1
#  1    government
#  2    government
#  3    government
#  4    government
#  5    poli+tician
#  6    politician
#  7    politician
#  8    parliament
#  9    parliment

我尝试了两种方法，都没有给出预期的结果：

方式1

txtdf <- gsub("[:punct:]","", txtdf)
# [1] "goverme" "goverme" "goverme" "goverme" "oli+iia" "oliiia"  "oliiia" 
# [8] "arliame" "arlime" 

我不明白这里有什么问题。我希望仅将第 5 个元素的“+”字符替换为无值，但所有元素均按上述方式进行编辑。

方式2

txtdf<-gsub("*//+","",txtdf)
# [1] "government"  "government"  "government"  "government"  "poli+tician"
# [6] "politician"  "politician"  "parliament"  "parliment" 

这里根本没有变化。我想我尝试过的是，我尝试使用双斜杠转义 + 字符。

Answer 1

您需要转义加号，“+”在正则表达式中具有特殊含义（它是一个量词），因此不能被视为标点符号，来自文档：?regex

"+" 前一项将被匹配一次或多次。

要匹配这些特殊字符，您需要对它们进行转义，以便它们的含义可以按字面意思理解，因此它们的特殊含义不会被翻译。在 R 中，您需要两个反斜杠 (\) 才能转义。所以在你的情况下，这将是这样的：

gsub("\\+","",df$job)

通过从数据中删除所有加号，上面的运行将为您提供所需的结果。

所以假设你的 df 是：

df <- data.frame(job = c("government", "poli+tician","politician", "parliament"))

那么你的输出将是：

> gsub("\\+","",df$job)
[1] "government" "politician" "politician"
[4] "parliament"

Answer 2

只需将其替换为 fixed = TRUE（无需使用正则表达式），但您必须通过指定列名来替换 data.frame 的每个“列”：

txtdf <- data.frame(job = c("government", "poli+tician", "parliament"))
txtdf

给予

          job
1  government
2 poli+tician
3  parliament

现在替换“+”：

txtdf$job <- gsub("+", "", txtdf$job, fixed = TRUE)
txtdf

结果是：

         job
1 government
2 politician
3 parliament