正則表達式刪除之間的所有內容<>

我正在學習網絡刮。我掌握了一堆數據，但結構很雜亂。
我有這種形式的字符串矢量：
"9,55< U+00A0>x< U+00A0>1016"，（現在，當我寫它，我認爲這是一個特殊的語法，因爲我不能在這裏沒有「U」之前把一個空間粘貼）其上我所刮的網站被寫爲「9,55 * 10^16」。正則表達式刪除之間的所有內容<>

長期來看，我的目標是將此字符串轉換爲數字變量，即95500000000000000. 但首先我要刪除第一個「<」和最後一個「>」之間的所有內容。以下是我的嘗試。

gsub("<(.*?)>", "", vectorOfStrings)

編輯：該字符串中的R用"9,55\U{00A0}x\U{00A0}1016"最好產生，由於「<」和「>」不是字符串中實際文字。

來源

2017-04-19 TKN

這是什麼語言？什麼是gsub（）？ – MrJLP

@MrJLP：這是「R」語言。 'gsub'是一個正則表達式搜索/替換函數。 – r2evans

如果您使用php做preg_replace javascript做//注意的是有時他們不做< and >但<和>也許你需要做的R語言// g – DrBrad

你看到的字符是unicode（UTF-8，我認爲）和R的表示（當它不是十分清楚時）是小於/大於表示法。要刪除它，一種方法是將文本「轉換」爲ASCII：

iconv(vectorOfStrings, "utf-8", "ASCII", sub = "")

任何不可翻譯的內容都應該刪除。

來源

2017-04-19 19:12:33 r2evans

葉普這就是它！：D 我在想這是這樣的，因爲我不能以正確的形式在我的問題中寫出它。 SO自動將它轉換爲「正確」的結構。謝謝！ – TKN

我想簡單地改變你的貪婪「匹配所有」爲「匹配所有，但‘>’一樣，或使用？讓它偷懶（最低匹配）

<[^>]*> or <.*?>

或匹配的標籤標記

<.*?>.*?<.*?>

來源

2017-04-19 19:12:49 Tezra

這會做，如果它只是一個普通的字符串，但在我的情況下它是不同的:(請參閱@ r2evans解決方案。 – TKN

@TKN我會離開它包裝某人來這裏尋找基於問題title = P的文本版本 – Tezra

聽起來不錯。這總是讚賞：D – TKN

這工作

>vectorOfStrings = "9,55< U+00A0>x< U+00A0>1016" 
>vectorOfStrings1 = gsub("<[^>]+>","",vectorOfStrings) 
>vectorOfStrings1 
[1] "9,55x1016"

來源

2017-04-19 19:13:08

這將做，如果它只是一個普通的字符串，但在我的情況下，它是不同的:( 請參閱@ r2evans解決方案。 – TKN

這是我的代碼刮科學記數法數，從網絡，以數字：

library(magrittr) 

vectorOfStrings <- "9,55< U+00A0>x< U+00A0>1016" 

scrape_numeric <- function(x) { 
x %>% 
    gsub(">10", ">e+", .) %>% 
    gsub("<.*>", "", .) %>% 
    gsub(",", ".", .) %>% 
    as.numeric 
} 

scrape_numeric(vectorOfStrings) 

# [1] 9.55e+16

來源

2017-04-19 19:34:21

正則表達式刪除之間的所有內容<>

回答

相關問題