使用grepl()标准化巴西死亡记录地址列遇问题求助

可能的原因及解决方法 #

1. 字符编码或空白字符差异 #

老数据常存在特殊空白字符（如全角空格、非断空格）或编码不一致，导致字面匹配失效：

• 先检查目标字符串的原始字符编码：

  # 替换为匹配失败的行号
  charToRaw(recorte$local[1])
  

• 统一处理所有空白字符，替换为普通空格：

  recorte$local <- gsub("\\s", " ", trimws(recorte$local))
  

2. 匹配规则过于冗余且覆盖不全 #

当前规则罗列大量变体但易遗漏其他写法，建议用更灵活的正则提取核心关键词：

• 优化后的匹配代码：

  # 匹配包含alvares/alves/alvaro + machado的所有变体，忽略大小写
  amachado <- grepl("alv(a|e|o)res?\\s+machado", recorte$local, ignore.case = TRUE)
  recorte$local[amachado] <- "Rua Álvares Machado"
  

  解释：
  • alv(a|e|o)res? 覆盖alvares、alves、alvaro（res?表示末尾的s可选）
  • \\s+ 匹配一个或多个空白字符，兼容不同类型的空格
  • ignore.case = TRUE 自动处理大小写差异

3. 隐藏不可打印字符 #

数据中可能存在换行符、制表符等不可见字符，先清理：

# 去掉首尾空白和不可打印字符
recorte$local <- trimws(gsub("[^[:print:]]", "", recorte$local))

内容的提问来源于stack exchange，提问作者Giulia G. Kiefer