GSUB单词列表中的一个段落

Question

考虑下面的代码：

list = c("the", "at", "ok") 
paragraph = "the cat ath the hat is ok" 

如何删除从“段落”列表中的所有的话吗？

我试着这样做：

gsub(list, '', paragraph)

但除去只列出的第一项。我知道这不应该很复杂，但这仍然让我感到困惑。另外我想避免使用for循环，但适用系列应该没问题。

Answer 1

模式"(the|at|ok)"将匹配列表中任何字符串的出现次数。

虽然这听起来像是你想要匹配那些实际的单词，但不是它们所属的单词（即匹配“the”而不是“then”，“at”而不是“rattle”等）如果是这种情况，则可以改为使用"\\b(the|at|ok)\\b"（其中"\\b"是在单词边界处匹配的模式）的模式。

您可以使用paste0()从匹配单词的任意载体构建所需的模式：

list <- c("the", "at", "ok") 
paragraph <- "the cat ath the hat is ok" 

## Construct the regular expression 
pat <- paste0("\\b(", paste0(list, collapse="|"), ")\\b")  
pat 
# [1] "\\b(the|at|ok)\\b" 

## Use it 
gsub(pat, "", paragraph) 
# [1] " cat ath hat is "