R/CleanDupyStrings.R

In joaomicunha/transfermarktR: transfermarktR - Scrapper for football transfer data from Transfermarkt

#' CleanDupyStrings (operational function)
#'
#' This function is to clean the Player names field that contain accents.
#'
#' @param string_vec A string

CleanDupyStrings = function(string_vec){

  unwanted_array = list(    'Š'='S', 'š'='s', 'Ž'='Z', 'ž'='z', 'À'='A', 'Á'='A', 'Â'='A', 'Ã'='A', 'Ä'='A', 'Å'='A', 'Æ'='A', 'Ç'='C', 'È'='E', 'É'='E',
                            'Ê'='E', 'Ë'='E', 'Ì'='I', 'Í'='I', 'Î'='I', 'Ï'='I', 'Ñ'='N', 'Ò'='O', 'Ó'='O', 'Ô'='O', 'Õ'='O', 'Ö'='O', 'Ø'='O', 'Ù'='U',
                            'Ú'='U', 'Û'='U', 'Ü'='U', 'Ý'='Y', 'Þ'='B', 'ß'='Ss', 'à'='a', 'á'='a', 'â'='a', 'ã'='a', 'ä'='a', 'å'='a', 'æ'='a', 'ç'='c',
                            'è'='e', 'é'='e', 'ê'='e', 'ë'='e', 'ì'='i', 'í'='i', 'î'='i', 'ï'='i', 'ð'='o', 'ñ'='n', 'ò'='o', 'ó'='o', 'ô'='o', 'õ'='o',
                            'ö'='o', 'ø'='o', 'ù'='u', 'ú'='u', 'û'='u', 'ý'='y', 'ý'='y', 'þ'='b', 'ÿ'='y' )

  vec_no_accents = gsubfn::gsubfn(paste(names(unwanted_array),collapse='|'), unwanted_array, string_vec)
  vec_clean_dot_abreviations = gsub(x = vec_no_accents, pattern = "[A-Z]\\..+", "")
  vec_final = stringr::str_match(string = vec_clean_dot_abreviations, pattern = "(\\W|^)(.+)\\2")[,3]

  return(ifelse(is.na(vec_final), vec_clean_dot_abreviations, vec_final))

}