我已經下載了一個數據庫，我想清除它。我想選擇一個不必要的句子的一部分，刪除它，然後刪除重複。刪除部分句子
例如：
我有這樣的：
10 choco barres
100% pur jus Ananas
100% Pur jus d'orange avec pulpe
100% Pur jus d'orange avec pulpe
而且我想這樣的：
choco barres
pur jus Ananas
Pur jus d'orange avec pulpe
有人能幫助我嗎？
這取決於你想要移除的東西究竟是什麼樣子，但是你在gsub的正確軌道上。如果你的字符串是s，所有你需要的是像
gsub('[0-9% ]{2,}', ' ', s)
計算結果爲
[1] " choco barres pur jus Ananas Pur jus d'orange avec pulpe Pur jus d'orange avec pulpe"
其中[ ... ]定義了一組字符的尋找和{2,}指定找2個或更多的人。
這裏有很多的選擇，這取決於你需要什麼。特別是空間可以被不同地處理。
爲了擺脫重複的爲好，它更容易分割字符串，搜索唯一的字符串，並將其粘貼到一起：
paste(unique(strsplit(s, '[0-9% ]{2,}')[[1]]), collapse = ' ')
返回
[1] " choco barres pur jus Ananas Pur jus d'orange avec pulpe"
注意，這是這取決於在每個字符串片段的開始處有一個數字字符串，因此不如上面的方法靈活。
檢出the resources on the [regex] tag info page，這應該可以幫助您找出必要的。
SO不是代碼編寫服務或算法服務！ –
你想實現的實際規則是什麼？你的一個例子讓我相信你想要刪除所有的數字和百分號，但它只是整數嗎？ 93.2應該被刪除？那麼像「> 10」這樣的其他標點符號呢？ – brittenb
對不起，我認爲SO是一個幫助人們的論壇。 我想用gsub找到一種方法，刪除所有數字（100％，10，（35）...），並保留文章的名稱。 通常，文章的名稱和編號之間有一個空格。所以我想在這個空間之前放鬆一切。 非常感謝您的幫助！ – florianb