使用gsub用R中的直撇符來替換字符向量中的直撇號

Question

尋找一些關於如何用R向量字符向量列表中的直撇子替換捲曲撇號的指導。

我替換捲曲撇號的原因 - 稍後在腳本中，我檢查每個列表項，看看它是否在字典中找到（使用qdapDictionary）以確保它是一個真正的單詞而不是垃圾。字典使用直撇子，所以帶有撇號的單詞被「拒絕」。

我目前的代碼示例如下。在我的測試列表中，項目＃6包含一個捲曲撇號，項目＃2有一個簡單的撇號。

實施例：

list_TestWords <- as.list(c("this", "isn't", "ideal", "but", "we", "can’t", "fix", "it")) 

func_ReplaceTypographicApostrophes <- function(x) { 
    gsub("’", "'", x, ignore.case = TRUE) 
} 

list_TestWords_Fixed <- lapply(list_TestWords, func_ReplaceTypographicApostrophes) 

結果：沒有變化。第6項仍然使用捲曲撇號。見下面的輸出。

list_TestWords_Fixed 
[[1]] 
[1] "this" 

[[2]] 
[1] "isn't" 

[[3]] 
[1] "ideal" 

[[4]] 
[1] "but" 

[[5]] 
[1] "we" 

[[6]] 
[1] "can’t" 

[[7]] 
[1] "fix" 

[[8]] 
[1] "it" 

任何幫助你可以提供將是最感謝！

Answer 1

你可能對Windows上的bug in R運行起來。在輸入上嘗試使用corpus::as_utf8。另外，這也適用：

library(corpus) 
list_TestWords <- as.list(c("this", "isn't", "ideal", "but", "we", "can’t", "fix", "it")) 
lapply(list_TestWords, utf8_normalize, map_quote = TRUE) 

這將ASCII單引號替換以下字符：

U+055A ARMENIAN APOSTROPHE 
U+2018 LEFT SINGLE QUOTATION MARK 
U+2019 RIGHT SINGLE QUOTATION MARK 
U+201B SINGLE HIGH-REVERSED-9 QUOTATION MARK 
U+FF07 FULLWIDTH APOSTROPHE 

它也將文本轉換爲組成範式（NFC）。

Answer 2

我看到你的電話一個問題gsub：

gsub("/’", "/'", x, ignore.case = TRUE) 

你正斜槓前綴捲曲的單引號。我不知道你爲什麼這樣做。我可以推測你試圖逃避引號字符，但是這有副作用，你的模式現在試圖匹配正斜槓，然後是引號。由於這不會發生在您的文本中，因此不會進行替換。你應該這樣做：

gsub("’", "'", x, ignore.case = TRUE) 

按照下面的鏈接，演示這表明使用上述gsub調用像您期望的作品。

Demo

Answer 3

正要說同樣的事情。

嘗試使用str_replace從stringr包，將不再需要使用斜線

Answer 4

這可能會實現：gsub("[\u2018\u2019\u201A\u201B\u2032\u2035]", "'", x)

我發現它在這裏：http://axonflux.com/handy-regexes-for-smart-quotes