如何使用regexp移除字符串中非中文与英文以外的所有字符

• 核心思路：使用gsub()函数结合正则表达式，匹配并移除所有非中文、非英文的字符，只保留目标字符。
• 实现代码：

# 定义原字符串
ori_string <- "没a w t _ 中/国.sz"
# 清理非中文与英文的字符
clean_string <- gsub("[^a-zA-Z\\u4e00-\\u9fa5]", "", ori_string)
# 输出结果
clean_string

• 代码说明：
  • gsub()：R中用于全局替换字符串的函数，会替换所有匹配到的内容
  • 正则表达式[^a-zA-Z\\u4e00-\\u9fa5]：
    • [^...]表示匹配不在括号范围内的所有字符
    • a-zA-Z匹配大小写英文字母
    • \\u4e00-\\u9fa5匹配所有中文汉字（R中需要用双反斜杠转义Unicode范围）
  • 第二个参数""表示将匹配到的非目标字符替换为空，即直接移除

运行上述代码后，clean_string的结果就是"没awt中国sz"，符合需求。

内容的提问来源于stack exchange，提问作者anderwyang