私はそれがフォームであるかどうかに基づいてシンボル列をフィルタリングしようとしています \uxxxx
これは、視覚的に簡単であること、いくつかのように見える$
、¢
、£
、そして他の人が好き\u058f
、\u060b
、\u07fe
。
しかし、私はstringi
/ を使用してそれを理解するようには思えませんdplyr
library(dplyr)
library(stringi)
df <- structure(list(Character = c("\\u0024", "\\u00A2", "\\u00A3",
"\\u00A4", "\\u00A5", "\\u058F", "\\u060B", "\\u07FE", "\\u07FF",
"\\u09F2", "\\u09F3", "\\u09FB", "\\u0AF1", "\\u0BF9", "\\u0E3F",
"\\u17DB", "\\u20A0", "\\u20A1", "\\u20A2", "\\u20A3"),
Symbol = c("$", "¢", "£", "¤", "¥", "\u058f", "\u060b", "\u07fe", "\u07ff",
"৲", "৳", "\u09fb", "\u0af1", "\u0bf9", "฿", "៛", "₠",
"₡", "₢", "₣")), row.names = c(NA, 20L), class = "data.frame")
Character Symbol
1 \\u0024 $
2 \\u00A2 ¢
3 \\u00A3 £
4 \\u00A4 ¤
5 \\u00A5 ¥
6 \\u058F \u058f
7 \\u060B \u060b
8 \\u07FE \u07fe
9 \\u07FF \u07ff
10 \\u09F2 ৲
11 \\u09F3 ৳
12 \\u09FB \u09fb
13 \\u0AF1 \u0af1
14 \\u0BF9 \u0bf9
15 \\u0E3F ฿
16 \\u17DB ៛
17 \\u20A0 ₠
18 \\u20A1 ₡
19 \\u20A2 ₢
20 \\u20A3 ₣
私が試したこと
バリエーションを使ってみましnchar
たが、うまくいきませんでした
df$Symbol %>% nchar
# [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
df$Symbol %>% stri_unescape_unicode %>% nchar
# [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
df$Symbol %>% stri_escape_unicode %>% nchar
# [1] 1 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6
質問
どのように私は、フォームのすべての行のシンボル列にフィルタリングすることができ$
、¢
、£
など(およびその逆のような行に対して\u058f
、\u060b
、\u07fe
)?
Symbol
(それはのように私は感じ列べきです -それはそう簡単に人間の目が見るのだから面白いですこれは十分ではなく、私は区別する方法を動作することはできません)
utf8::utf8_valid()
が、これは既存の有効なUnicodeと有効であるが割り当てられていないUnicodeとを区別しない場合があります。最終的に達成しようとしていることを少し拡張できますか?