我有錯誤編碼的轉錄，即出現但不應該出現的字符。
在這個玩具資料中，唯一允許的字符是這個類：
"[)(/][A-Za-z0-9↑↓￡￥°!.,:??~<>≈=_-]"
df <- data.frame(
Utterance = c("~°maybe you (.) >should ￥just￥<",
"SOME text |<-- pipe? and€", # <--: | and €
"blah%", # <--: %
"text ^more text", # <--: ^
"￡norm(hh)a::l￡mal, (1.22)"))
我需要做的是：
- 檢測
Utterance包含任何錯誤編碼的 s - 提取錯誤的字符
就檢測而言，我做得很好，但提取失敗了：
library(stringr)
library(dplyr)
df %>%
filter(!str_detect(Utterance, "[)(/][A-Za-z0-9↑↓￡￥°!.,:??~<>≈=_-]")) %>%
mutate(WrongChar = str_extract_all(Utterance, "[^)(/][A-Za-z0-9↑↓￡￥°!.,:??~<>≈=_-]"))
Utterance WrongChar
1 SOME text |<-- pipe? and€ SO, ME, t, ex, |<, --, p, ip, e?, a, nd
2 blah% bl, ah
3 text ^more text te, xt, ^m, or, t, ex
如何改進提取以獲得此預期結果：
Utterance WrongChar
1 SOME text |<-- pipe? and€ |, €
2 blah% %
3 text ^more text ^
uj5u.com熱心網友回復：
你需要
- 確保
[和]在字符類中轉義 - 將空白模式添加到兩個正則運算式檢查中，因為它的缺失會弄亂您的結果。
所以你需要使用
df %>%
filter(str_detect(Utterance, "[^\\s)(/\\]\\[A-Za-z0-9↑↓￡￥°!.,:??~<>≈=_-]")) %>%
mutate(WrongChar = str_extract_all(Utterance, "[^\\s)(/\\]\\[A-Za-z0-9↑↓￡￥°!.,:??~<>≈=_-]"))
輸出：
Utterance WrongChar
1 SOME text |<-- pipe? and€ |, €
2 blah% %
3 text ^more text ^
請注意，我在 中使用了正邏輯filter(str_detect(Utterance, "[^\\s)(/\\]\\[A-Za-z0-9↑↓￡￥°!.,:??~<>≈=_-]"))，因此我們得到了除允許的字符之外至少包含一個字符的所有專案。
轉載請註明出處，本文鏈接：https://www.uj5u.com/yidong/371591.html
上一篇：從互動式網格“行操作”按鈕中洗掉操作-OracleApexv21.1
下一篇：如何用相同的替換替換不同的圖案？