[R] Help with regex replacements
Chris Evans
chr|@ho|d @end|ng |rom p@yctc@org
Tue Jun 27 22:26:32 CEST 2023
Magic!
tmp %>%
as_tibble() %>%
rename(Text = value) %>%
mutate(Text = str_replace_all(Text, fixed("."), "")) %>%
# filter(row_number() < 4) %>%
mutate(Text2 = gsub("((\\\\|/)[[:alnum:]]+)|(\\([[:alnum:]-]+\\))",
"", Text))
Which (as you have already shown!) gave me this:
# A tibble: 7 × 2
Text Text2
<chr> <chr>
1 "Я досяг того, чого хотів" "Я досяг того, чого
хотів"
2 "Мені вдалося зробити бажане" "Мені вдалося зробити
бажане"
3 "Я досяг (досягла) того, чого хотів (хотіла)" "Я досяг того, чого
хотів "
4 "Я досяг(-ла) речей, яких хотілося досягти" "Я досяг речей, яких
хотілося досягти"
5 "Я досяг/ла того, чого хотів/ла" "Я досяг того, чого
хотів"
6 "Я досяг\\досягла того, чого прагнув\\прагнула" "Я досяг того, чого
прагнув"
7 "Я досягнув(ла) того, чого хотів(ла)" "Я досягнув того, чого
хотів"
perfect and I will spend some time tomorrow unpacking that regex and
trying to drive the learning points into my thick skull!
Deeply indebted, as so often here though generally only when I'm reading
others questions and the answers!
Chris
On 27/06/2023 20:48, Bert Gunter wrote:
> OK, so you want parentheses, not "brackets" + I think I misinterpreted
> your specification, which I think is actually incomplete. Based on
> what I think you meant, how does this work:
>
> gsub("((\\\\|/)[[:alnum:]]+)|(\\([[:alnum:]-]+\\))", "",tmp$Text)
> [1] "Я досяг того, чого хотів" "Мені вдалося\nзробити
> бажане"
> [3] "Я досяг того, чого хотів " "Я\nдосяг речей, яких
> хотілося досягти"
> [5] "Я досяг того, чого\nхотів" "Я досяг того, чого прагнув"
> [7] "Я\nдосягнув того, чого хотів"
>
> If you want it without the \n's, cat the above to get:
> cat(gsub("((\\\\|/)[[:alnum:]]+)|(\\([[:alnum:]-]+\\))", "",tmp$Text))
>
> Я досяг того, чого хотів Мені вдалося
> зробити бажане Я досяг того, чого хотів Я
> досяг речей, яких хотілося досягти Я досяг того, чого
> хотів Я досяг того, чого прагнув Я
> досягнув того, чого хотів
>
> Cheers,
> Bert
>
> On Tue, Jun 27, 2023 at 11:09 AM Bert Gunter <bgunter.4567 using gmail.com>
> wrote:
>
> Does this do it for you (or get you closer):
>
> gsub("\\[.*\\]|[\\\\] |/ ","",tmp$Text)
> [1] "Я досяг того, чого хотів"
> [2] "Мені вдалося\nзробити бажане"
> [3] "Я досяг (досягла) того, чого хотів (хотіла)"
> [4] "Я\nдосяг(-ла) речей, яких хотілося досягти"
> [5] "Я досяг/ла того, чого\nхотів/ла"
> [6] "Я досяг\\досягла того, чого прагнув\\прагнула"
> [7] "Я\nдосягнув(ла) того, чого хотів(ла)"
>
> On Tue, Jun 27, 2023 at 10:16 AM Chris Evans via R-help
> <r-help using r-project.org> wrote:
>
> I am sure this is easy for people who are good at regexps but I'm
> failing with it. The situation is that I have hundreds of
> lines of
> Ukrainian translations of some English. They contain things
> like this:
>
> 1"Я досяг того, чого хотів"2"Мені вдалося зробити бажане"3"Я
> досяг
> (досягла) того, чого хотів (хотіла)"4"Я досяг(-ла) речей, яких
> хотілося
> досягти"5"Я досяг/ла того, чого хотів/ла"6"Я досяг\\досягла
> того, чого
> прагнув\\прагнула."7"Я досягнув(ла) того, чого хотів(ла)"
>
> Using dput():
>
> tmp <- structure(list(Text = c("Я досяг того, чого хотів",
> "Мені вдалося
> зробити бажане", "Я досяг (досягла) того, чого хотів
> (хотіла)", "Я
> досяг(-ла) речей, яких хотілося досягти", "Я досяг/ла того, чого
> хотів/ла", "Я досяг\\досягла того, чого прагнув\\прагнула", "Я
> досягнув(ла) того, чого хотів(ла)" )), row.names = c(NA, -7L),
> class =
> c("tbl_df", "tbl", "data.frame" )) Those show four different ways
> translators have handled gendered words: 1) Ignore them and (I'm
> guessing) only give the masculine 2) Give the feminine form of
> the word
> (or just the feminine suffix) in brackets 3) Give the feminine
> form/suffix prefixed by a forward slash 4) Give the feminine
> form/suffix
> prefixed by backslash (here a double backslash) I would like
> just to
> drop all these feminine gendered options. (Don't worry,
> they'll get back
> in later.) So I would like to replace 1) anything between
> brackets with
> nothing! 2) anything between a forward slash and the next
> space with
> nothing 3) anything between a backslash and the next space
> with nothing
> but preserving the rest of the text. I have been trying to
> achieve this
> using str_replace_all() but I am failing utterly. Here's a
> silly little
> example of my failures. This was just trying to get the text I
> wanted to
> replace (as I was trying to simplify the issues for my tired
> wetware): >
> tmp %>%+ as_tibble() %>% + rename(Text = value) %>% +
> mutate(Text =
> str_replace_all(Text, fixed("."), "")) %>% +
> filter(row_number() < 4)
> %>% + mutate(Text2 = str_replace(Text, "\\(.*\\)", "\\1"))
> Errorin
> `mutate()`:ℹIn argument: `Text2 = str_replace(Text, "\\(.*\\)",
> "\\1")`.Caused by error in
> `stri_replace_first_regex()`:!Trying to
> access the index that is out of bounds.
> (U_INDEX_OUTOFBOUNDS_ERROR) Run
> `rlang::last_trace()` to see where the error occurred. I have
> tried
> gurgling around the internet but am striking out so throwing
> myself on
> the list. Apologies if this is trivial but I'd hate to have to
> clean
> these hundreds of lines by hand though it's starting to look
> as if I'd
> achieve that faster by hand than I will by banging my
> ignorance of R
> regexp syntax on the problem. TIA, Chris
>
> --
> Chris Evans (he/him)
> Visiting Professor, UDLA, Quito, Ecuador & Honorary Professor,
> University of Roehampton, London, UK.
> Work web site: https://www.psyctc.org/psyctc/
> CORE site: http://www.coresystemtrust.org.uk/
> Personal site: https://www.psyctc.org/pelerinage2016/
>
> ______________________________________________
> R-help using r-project.org mailing list -- To UNSUBSCRIBE and more, see
> https://stat.ethz.ch/mailman/listinfo/r-help
> PLEASE do read the posting guide
> http://www.R-project.org/posting-guide.html
> <http://www.R-project.org/posting-guide.html>
> and provide commented, minimal, self-contained, reproducible code.
>
--
Chris Evans (he/him)
Visiting Professor, UDLA, Quito, Ecuador & Honorary Professor,
University of Roehampton, London, UK.
Work web site: https://www.psyctc.org/psyctc/
CORE site: http://www.coresystemtrust.org.uk/
Personal site: https://www.psyctc.org/pelerinage2016/
Emeetings (Thursdays):
https://www.psyctc.org/psyctc/booking-meetings-with-me/
(Beware: French time, generally an hour ahead of UK)
<https://ombook.psyctc.org/book>
More information about the R-help
mailing list