使用 r 删除希伯来语“niqqud”

Question

一直在努力删除niqqud（用于表示元音或区分希伯来字母表字母的替代发音的变音符号）。 例如，我有这个变量： sample1

我找不到有效的方法来删除字母下方的标志。

试过纵梁，str_replace_all(sample1, "[^[:alnum:]]", "") 试过gsub('[:punct:]','',sample1)

没有成功... :-( 有什么想法吗？

Answer 1

您可以使用 \p{M} Unicode 类别将变音符号与类似 Perl 的正则表达式匹配，然后将 gsub 一次性匹配所有这些：

sample1 <- "הֻסְמַק"
gsub("\\p{M}", "", sample1, perl=T)

结果：[1] "הסמק"

见demo

\p{M} 或 \p{Mark}：用于与另一个字符组合的字符（例如重音符号、变音符号、封闭框等）。

在Regular-Expressions.info, "Unicode Categories"查看更多信息。