嘿，我来帮你搞定PMML里去除特殊字符的需求～

首先得明确：PMML标准里并没有内置你设想的removeSpecialCharacters函数，但我们可以用PMML原生支持的正则表达式替换函数来实现同样的效果，这是完全符合规范的做法。

实现思路 #

PMML 4.3及以上版本支持regexReplace字符串函数，我们可以通过它匹配目标特殊字符并替换为空字符串，从而达到“去除”的目的。

适配你场景的PMML代码示例 #

针对你给出的字段匹配逻辑，修改后的合规PMML片段如下：

<DerivedField name="stringmatch" datatype="string" optype="categorical">
  <Apply function="if">
    <Apply function="equal">
      <!-- 对string1去除特殊字符 -->
      <Apply function="regexReplace">
        <FieldRef field="string1"/>
        <Constant datatype="string">[^a-zA-Z0-9\s]</Constant>
        <Constant datatype="string"></Constant>
      </Apply>
      <!-- 对string2去除特殊字符 -->
      <Apply function="regexReplace">
        <FieldRef field="string2"/>
        <Constant datatype="string">[^a-zA-Z0-9\s]</Constant>
        <Constant datatype="string"></Constant>
      </Apply>
    </Apply>
    <Constant datatype="string">match</Constant>
    <Constant datatype="string">no_match</Constant>
  </Apply>
</DerivedField>

关键细节说明 #

• 正则表达式自定义：示例中的[^a-zA-Z0-9\s]表示匹配所有非字母、数字、空格的字符。如果你需要保留其他字符（比如下划线、连字符），可以修改正则为[^a-zA-Z0-9\s_-]，按需调整即可。
• 版本兼容性：regexReplace是PMML 4.3及以后版本才支持的函数，如果你使用的是更早版本，建议升级到符合标准的版本；实在无法升级的话，可能需要依赖特定工具的扩展函数，但这会降低PMML的通用性。
• 参数顺序注意：regexReplace的参数顺序是「待处理字符串 → 正则表达式 → 替换后的字符串」，别搞反了。

进阶扩展 #

如果需要更精细化的字符过滤（比如只保留中文字符+基础符号），可以调整正则表达式，例如用[^\u4e00-\u9fa5a-zA-Z0-9\s]来匹配并去除非中文字符、字母、数字、空格的内容。

内容的提问来源于stack exchange，提问作者apriori