R: Entfernen Sie Wörter mit 3 oder mehr sich wiederholenden Buchstaben mit GSUB

Question

Ich muss Wörter mit 3 oder mehr sich wiederholenden Buchstaben aus einer Zeichenfolge mit gsub entfernen. Beispiel:

„Es hat geregnet seeehr schlecht heeere letzten Tage“

Ich muss die folgende using gsub Funktion zu erhalten:

„Es hat geregnet schlecht letzten Tage“. Wörter 'verrrry' und 'heeere' werden aus der Zeichenfolge entfernt.

Answer 1

Eine schnelle Suche this SO answer gebracht. Mit, dass Sie so etwas wie tun:

## string with repeated letters 
s <- "It has been raining verrrry badly heeere last few days" 

## split string into vector of words to select 
svec <- unlist(strsplit(s, " ")) 

## find words with 3 or more repeated letters/numbers 
## (for any general symbol use '.' instead of '\\w') 
rmword <- grep("(\\w)\\1{2, }", svec) 

## join words into single string again, removing the unwanted ones 
paste(svec[-rmword], collapse = " ") 

## output: 
[1] "It has been raining badly last few days" 

EDIT beantworten die Follow-up-Anfrage . Auch grep-grepl geändert

Lassen Sie sich zunächst den Code in eine Funktion wickeln:

rm.repeatLetters <- function(x){ 
    xvec <- unlist(strsplit(x, " ")) 
    rmword <- grepl("(\\w)\\1{2, }", xvec) 
    return(paste(xvec[!rmword], collapse = " ")) 
} 

Dann ist es auf einem Datenrahmen zu verwenden:

df <- data.frame(id=c(1, 2, 3), text=c(s, s, s), stringsAsFactors=FALSE) 
## > df 
## id             text 
## 1 1 It has been raining verrrry badly heeere last few days 
## 2 2 It has been raining verrrry badly heeere last few days 
## 3 3 It has been raining verrrry badly heeere last few days 


df$text <- sapply(df$text, rm.repeatLetters) 
## > df 
## id         text 
## 1 1 It has been raining badly last few days 
## 2 2 It has been raining badly last few days 
## 3 3 It has been raining badly last few days 

Answer 2

Dies sieht aus wie die Ausgabezeichenfolge an Sie sind mit dem Ziel:

origStr = "It has been raining verrrry badly heeere last few days" 

newStr <- gsub("e{3,}","e", origStr) # replaces e's greater than 2 repeat 
(newStr <- gsub("r{3,}","r", newStr)) # replaces r's greater than 2 repeat 

# [1] "It has been raining very badly here last few days" 

Answer 3

Hier ist eine Art und Weise:

library(tm) 
data("acq") 
acq[[12]]$content -> sometext 
tm::MC_tokenizer(x = sometext) -> q 
q[131] <- "eeee" 

sapply(letters, FUN = function(x) { 
    grepl(paste0(x, "{3,}"), x = q, ignore.case = TRUE) -> k 
    k 
}) -> zz 

apply(X = zz, 1, sum) -> flag 
q[ifelse(flag == 1, FALSE, TRUE)] -> newq 
paste(newq, collapse = " ") -> final 

Answer 4

Eine mögliche Lösung, die durch einen regulären Ausdruck für Ihren Fall konstruiert zunächst.

regExp <- paste(sapply(letters, paste, "{3,}", sep = ""), collapse = "|") 
> regExp 

"a{3,}|b{3,}|c{3,}|d{3,}|e{3,}|f{3,}|g{3,}|h{3,}|i{3,}|j{3,}|k{3,}|l{3,}|m{3,}|n{3,}|o{3,}|p{3,}|q{3,}|r{3,}|s{3,}|t{3,}|u{3,}|v{3,}|w{3,}|x{3,}|y{3,}|z{3,}" 

words <- unlist(strsplit(origStr, "\\s+")) 
cleanStr <- paste(words[!grepl(regExp, words)], collapse = " ") 
cleanStr 
[1] "It has been raining badly last few days" 

Answer 5

Option 1

x <- "It has been raining verrrry badly heeere last few days" 
m <- gregexpr('\\s\\b\\w*(\\w)\\1{2,}\\w*\\b\\s', x, perl = TRUE) 
regmatches(x, m) <- ' ' 
x 
# [1] "It has been raining badly last few days" 

Option 2

x <- "It has been raining verrrry badly heeere last few days" 
sp <- strsplit(x, ' ')[[1]] 
s <- sp[!sapply(sp, function(y) any(rle(strsplit(y, '')[[1]])$lengths >= 3))] 
paste(s, collapse = ' ') 
# [1] "It has been raining badly last few days"