使用正則表達式獲取所有主題標籤

Question

我正在研究最近的課程標籤#BalanceTonPorc。我試圖讓所有這些哈希標籤出現在推文中，但當然沒有人使用相同的格式。

有些人使用#BalanceTonPorc，一些#balancetonporc和兒子等等。

使用gsub，我到目前爲止已經做到了這一點：

df$hashtags <- gsub(".alance.on.orc", "BalanceTonPorc", df$hashtags) 

哪些我想要做什麼，這包括hashtag的所有變化都在相同的一個存儲。但是還有很多其他的變化。有些人使用#BalanceTonPorc...或#BalanceTonPorc.

有沒有辦法有一個正則表達式，說我想包含.alance.on.orc並且加上之後的每個字符可能的一切，除了,（因爲它分離＃標籤）？這裏是一個截圖來說明我的意思。

我也有另外一個問題，在我的頻率表我有兩次#BalanceTonPorc，所以我猜[R必須考慮它們是不同的。您看得出來差別嗎？

Answer 1

您可以使用[^,]*匹配任何字符，但,，0+事件：

gsub(".alance.on.orc[^,]*", "BalanceTonPorc", df$hashtags) 

或者，要完全匹配balancetonporc，

gsub("balancetonporc[^,]*", "BalanceTonPorc", df$hashtags, ignore.case=TRUE) 

看到一個regex demo和R online test：

x <- c("#balancetonPorc#%$%#$%^","#balancetonporc#%$%, text") 
gsub("balancetonporc[^,]*", "BalanceTonPorc", x, ignore.case=TRUE) 
# => [1] "#BalanceTonPorc"  "#BalanceTonPorc, text"