在 R 文本清理中删除标点符号但保留连字符短语

有没有有效的方法可以删除文本中的标点符号，但保留连字符的表达方式，例如“容易发生事故”？

我使用以下函数来清理我的文本

clean.text = function(x)
{
  # remove rt
  x = gsub("rt ", "", x)
  # remove at
  x = gsub("@\\w+", "", x)
  x = gsub("[[:punct:]]", "", x)
  x = gsub("[[:digit:]]", "", x)
  # remove http
  x = gsub("http\\w+", "", x)
  x = gsub("[ |\t]{2,}", "", x)
  x = gsub("^ ", "", x)
  x = gsub(" $", "", x)
  x = str_replace_all(x, "[^[:alnum:][:space:]'-]", " ")
  #return(x)
}

并将其应用于返回的连字符表达式

my_text <- "accident-prone"
new_text <- clean.text(text)
new_text
[1] "accidentprone"

而我想要的输出是

"accident-prone"

我已经参考过这个线程 https://stackoverflow.com/questions/31351811/regex-expression-to-exclude-hyphenated-words-in-r但没有发现它适合我的情况。一定有一些我还没有弄清楚的正则表达式的东西。如果有人能启发我，我将不胜感激。

把我的两分钱放进去，你可以用(*SKIP)(*FAIL) with perl = TRUE并删除所有非单词字符：

data <- c("my-test of #$%^&*", "accident-prone")
(gsub("(?<![^\\w])[- ](?=\\w)(*SKIP)(*FAIL)|\\W+", "", data, perl = TRUE))

导致

[1] "my-test of"     "accident-prone"

See regex101.com 上的演示 https://regex101.com/r/jVro2D/1.

(?<![^\\w])[- ](?=\\w)
# a whitespace or a dash between two word characters
# or at the very beginning of the string

让这些失败(*SKIP)(*FAIL)并将要删除的内容放在交替的右侧，在本例中

\W+

有效地删除不在单词字符之间的任何非单词字符。
不过，您需要提供更多示例进行测试。