问题描述
我正在尝试拆分成吨的字符串，如下所示：
x = "�\001�\001�\001�\001�\001\002CN�\001\bShandong�\001\004Zibo�\002$ABCDEFGHIJK�\002\aimG_HAS�\002�\002�\002�\002�\002�\002�\002�\002\02413165537405763268743�\002\001�\002�\002�\002�\003�\003�\003����\005�\003�\003�\003�\003"
分成四份
'CN','Shandong','Zibo','ABCDEFGHIJK'
我试过了
stringr::str_split(x,'\\00.')
输出原点 x。
还有，
trimws(gsub("�\\00?","",x,perl = T))
只删除未知字符 �。
有人可以帮我解决这个问题吗？感谢您这样做。
解决方法
你可以试试 str_extract_all :
stringr::str_extract_all(x,'[A-Za-z_]+')[[1]]
[1] "CN" "Shandong" "Zibo" "ABCDEFGHIJK" "IMG_HAS"
以 R 为基础：
regmatches(x,gregexpr('[A-Za-z_]+',x))[[1]]
这里我们提取所有带有大写、小写或下划线的单词。其他所有内容都将被忽略，因此 �\\00? 之类的字符不会出现在最终输出中。
我们可以使用 strsplit 中的 base R
setdiff(strsplit(x,"[^A-Za-z]+")[[1]],"")
#[1] "CN" "Shandong" "Zibo" "ABCDEFGHIJK" "IMG" "HAS"