R gsub con caratteri speciali

Question

Stavo tentando di sostituire quello che pensavo fosse un trattino standard utilizzando gsub. Il codice Ero test è stato:

gsub("-", "ABC", "reported – estimate")

Questo non fa nulla, però. Ho copiato e incollato il trattino in http://unicodelookup.com/#–/1 e sembra essere un trattino. Quel sito fornisce i codici esadecimale, dec etc per un trattino e sto provando a sostituire il trattino, ma non ho fortuna. Suggerimenti?

(Come bonus, se puoi dirmi se esiste una funzione per identificare caratteri speciali che potrebbero essere utili).

Non sono sicuro che la formattazione del codice SO cambierà il formato del trattino, quindi ecco il trattino che sto usando (-).

Answer 1

È possibile sostituire il trattino semplicemente specificandolo nel modello regex.

gsub("–", "ABC", "reported – estimate") 

È possibile abbinare tutti i trattini, en- e lineette con

gsub("[-–—]", "ABC", "reported – estimate — more - text") 

Vedi IDEONE demo

Per controllare se ci sono caratteri non-ASCII in una stringa, utilizzare

> s = "plus ça change, plus c'est la même chose" 
> gsub("[[:ascii:]]+", "", s, perl=T) 
[1] "çê" 

Vedi this IDEONE demo

Si otterrà un risultato vuoto (se una stringa consiste solo di caratteri "word" e spazi bianchi), o - come qui - alcuni caratteri "speciali".

Answer 2

per la sostituzione di caratteri speciali è possibile eseguire un complemento negativo.

gsub('[^\\w]*', 'ABC', 'reported - estimate', perl = True) sostituirà tutti i caratteri speciali con ABC. [^ \ W] è un pattern che dice tutto ciò che non è un personaggio normale.