1. 一个有效的纯正则表达式解决方案（又名 Edit#2）
这个任务can做完了purely使用正则表达式（非常感谢@Mike Samuel）
首先我们建立一个表情符号数据库：
(emots <- as.character(outer(c(":", ";", ":-", ";-"),
+ c(")", "(", "]", "[", "D", "o", "O", "P", "p"), stri_paste)))
## [1] ":)" ";)" ":-)" ";-)" ":(" ";(" ":-(" ";-(" ":]" ";]" ":-]" ";-]" ":[" ";[" ":-[" ";-[" ":D" ";D" ":-D" ";-D"
## [21] ":o" ";o" ":-o" ";-o" ":O" ";O" ":-O" ";-O" ":P" ";P" ":-P" ";-P" ":p" ";p" ":-p" ";-p"
示例性输入文本：
text <- ":) ;P :] :) ;D :( LOL :) I've been to... the (grocery) st{o}re :P :-) --- and the salesperson said: Oh boy!"
一个辅助函数，它转义一些特殊字符，以便它们可以在正则表达式模式中使用（使用stringi包裹）：
library(stringi)
escape_regex <- function(r) {
stri_replace_all_regex(r, "\\(|\\)|\\[|\\]", "\\\\$0")
}
匹配表情符号的正则表达式：
(regex1 <- stri_c("(", stri_c(escape_regex(emots), collapse="|"), ")"))
## [1] "(:\\)|;\\)|:-\\)|;-\\)|:\\(|;\\(|:-\\(|;-\\(|:\\]|;\\]|:-\\]|;-\\]|:\\[|;\\[|:-\\[|;-\\[|:D|;D|:-D|;-D|:o|;o|:-o|;-o|:O|;O|:-O|;-O|:P|;P|:-P|;-P|:p|;p|:-p|;-p)"
现在，正如@Mike Samuel 在下面建议的那样，我们只需匹配(emoticon)|punctuation（注意表情符号在捕获组中）然后替换匹配项
捕获组 1 的结果（所以如果它是表情符号，我们有 replacement=这个表情符号，如果是标点符号，我们有 replacement=nothing）。这会起作用，因为与|在 ICU Regex 中（这是用于stri_replace_all_regex) is 贪婪和左偏：表情符号将先于标点符号进行匹配。
stri_replace_all_regex(text, stri_c(regex1, "|\\p{P}"), "$1")
## [1] ":) ;P :] :) ;D :( LOL :) Ive been to the grocery store :P :-) and the salesperson said Oh boy"
顺便说一句，如果您只想删除选定的一组字符，请输入例如[.,]代替[\\p{P}] above.
2.正则表达式解决方案提示 - 我的第一次（不明智的）尝试（又名原始答案）
我的第一个想法（主要出于“历史原因”而留在这里）是通过使用来解决这个问题前瞻和后瞻，但是 - 正如您所看到的 - 这远非完美。
删除所有: and ;没有跟随), (, D, X, 8, [, or ]使用负向后看：
stri_replace_all_regex(text, "[:;](?![)P(DX8\\[\\]])", "")
## [1] ":) :8 ;P :] :) ;D :( LOL :) I've been to... the grocery store :P -) --- and the salesperson said Oh boy!"
现在我们可以添加一些老式的表情符号（带有鼻子，例如:-), ;-D etc.)
stri_replace_all_regex(text, "[:;](?![-]?[)P(DX8\\[\\]])", "")
## [1] ":) :8 ;P :] :) ;D :( LOL :) I've been to... the grocery store :P :-) --- and the salesperson said Oh boy!"
现在删除连字符（否定向后看并向前看）
stri_replace_all_regex(text, "[:;](?![-]?[)P(DX8\\[\\]])|(?!<[:;])[-](?![)P(DX8\\[\\]])", "")
## [1] ":) :8 ;P :] :) ;D :( LOL :) I've been to... the grocery store :P :-) and the salesperson said Oh boy!"
等等。当然，首先您应该建立自己的表情符号（保留原样）和标点符号（删除）数据库。正则表达式将高度依赖于这两组，因此很难添加新的表情符号——它绝对不值得应用（并且可能会扭曲你的大脑）。
3.第二次尝试（正则表达式-哑巴友好，又名Edit#1）
另一方面，如果您对复杂的正则表达式过敏，请尝试这个。这种方法有一些“说教的好处”——我们对以下每个步骤中所做的事情有充分的了解：
- 找到其中的所有表情符号
text;
- 找到其中的所有标点符号
text;
- 查找不属于表情符号的标点符号的位置；
- 删除步骤 3 中的字符。
示例性输入文本 - 仅 1 个字符串 - 留下通用案例作为练习；）
text <- ":) ;P :] :) ;D :( LOL :) I've been to... the (grocery) st{o}re :P :-) --- and the salesperson said: Oh boy!"
一个辅助函数，用于转义一些特殊字符，以便它们可以在正则表达式中使用：
escape_regex <- function(r) {
library("stringi")
stri_replace_all_regex(r, "\\(|\\)|\\[|\\]", "\\\\$0")
}
匹配表情符号的正则表达式：
(regex1 <- stri_c("(", stri_c(escape_regex(emots), collapse="|"), ")"))
## [1] "(:\\)|;\\)|:-\\)|;-\\)|:\\(|;\\(|:-\\(|;-\\(|:\\]|;\\]|:-\\]|;-\\]|:\\[|;\\[|:-\\[|;-\\[|:D|;D|:-D|;-D|:o|;o|:-o|;-o|:O|;O|:-O|;-O|:P|;P|:-P|;-P|:p|;p|:-p|;-p)"
找到所有表情符号的开始和结束位置（即找到第一个表情符号）OR第二OR...表情符号）：
where_emots <- stri_locate_all_regex(text, regex1)[[1]] # only for the first string of text
print(where_emots)
## start end
## [1,] 1 2
## [2,] 4 5
## [3,] 7 8
## [4,] 10 11
## [5,] 13 14
## [6,] 16 17
## [7,] 23 24
## [8,] 64 65
## [9,] 67 69
找到所有标点符号（此处\\p{P} is the Unicode 字符类代表标点符号）：
where_punct <- stri_locate_all_regex(text, "\\p{P}")[[1]]
print(where_punct)
## start end
## [1,] 1 1
## [2,] 2 2
## [3,] 4 4
## [4,] 7 7
## [5,] 8 8
## ...
## [26,] 72 72
## [27,] 73 73
## [28,] 99 99
## [29,] 107 107
由于表情符号中出现了一些标点符号，我们不应该将它们暂存以进行删除：
which_punct_omit <- sapply(1:nrow(where_punct), function(i) {
any(where_punct[i,1] >= where_emots[,1] &
where_punct[i,2] <= where_emots[,2]) })
where_punct <- where_punct[!which_punct_omit,] # update where_punct
print(where_punct)
## start end
## [1,] 27 27
## [2,] 38 38
## [3,] 39 39
## [4,] 40 40
## [5,] 46 46
## [6,] 54 54
## [7,] 58 58
## [8,] 60 60
## [9,] 71 71
## [10,] 72 72
## [11,] 73 73
## [12,] 99 99
## [13,] 107 107
每个标点符号肯定只包含 1 个字符，因此总是where_punct[,1]==where_punct[,2].
现在是最后一部分。如你所见，where_punct[,1]包含要删除的字符的位置。恕我直言，最简单的方法（没有循环）是将字符串转换为 UTF-32（每个字符 == 1 个整数），删除不需要的元素，然后返回到文本表示：
text_tmp <- stri_enc_toutf32(text)[[1]]
print(text_tmp) # here - just ASCII codes...
## [1] 58 41 32 59 80 32 58 93 32 58....
text_tmp <- text_tmp[-where_punct[,1]] # removal, but be sure that where_punct is not empty!
结果是：
stri_enc_fromutf32(text_tmp)
## [1] ":) ;P :] :) ;D :( LOL :) Ive been to the grocery store :P :-) and the salesperson said Oh boy"
给你。
