R grep用特殊字符分隔的整个单词

Question

假设有一个形式为"foo"或"foo|baz|bar"（单个单词或多个单词用"|"之类的特殊字符分隔的单词）的向量，我们也给出了一个单词，我们希望找到它向量中的哪个项目有全字匹配。

例如字"foo"具有"foo|baz|bar"一个整体匹配，而不是在任一"foobaz|bar"或"bazfoo"一个整体匹配。

首先，我试图用"\\b"指示开始或整个单词的末尾边缘和它的作品成功：

grep("\\bfoo\\b", "foo")   # match 
grep("\\bfoo\\b", "foobaz|bar") # mismatch  
grep("\\bfoo\\b", "bazfoo")  # mismatch 

然后我试图添加"|"为两端的其他可能的分离器，与"\\b"组使用它和[]：

grep("[|\\b]foo[|\\b]", "foo|baz|bar") # mismatch! 
grep("[|\\b]foo[|\\b]", "foo")   # mismatch! 

后来我发现\\b不是小号指标挞或结尾的字符串，但是整个单词的开头或结尾（如太多字符像空格和,|-^.但是不是数字和下划线_分开的整个单词）。因此"[|\\b]foo[|\\b]"与所有这些字符串匹配："foo", "foo|bar|baz", "foo-bar", "baz foo|bar"但不匹配到"foo_bar"或"foo2"。

但我的问题仍然存在：为什么"[|\\b]foo[|\\b]"模式不能与"foo"匹配？

Answer 1

\ b会与以下位置

1. 在字符串中的第一个字符之前，如果第一个字符是单词字符。
2. 在字符串中的最后一个字符后面，如果最后一个字符是单词字符。
3. 字符串中的两个字符之间，其中一个是单词字符，另一个不是单词字符。（字符字符是a-zA-Z1-9_）

由于|代表正则表达式中的交替操作符，你将不得不逃脱它。

所以正则表达式\bfoo\b匹配foofoo|bar，因为|是一个非单词字符。没有必要使用字符集[\b\|]

编辑：由于在字符集内的\ b指出的flodel表示退格字符。所以它会匹配|在[\ b \ |]里面，而不是字边界。

Answer 2

你可以使用strplit：

> "foo" %in% unlist(strsplit("foo|baz|bar", split = "|", fixed = TRUE)) 
[1] TRUE 

，你可以向量化：

> z <- c("foo|baz|bar", "foobaz|bar", "bazfoo") 
> x <- c("foo", "foot") 
> sapply(strsplit(z, split = "|", fixed = TRUE), function(x,y)y %in% x, x) 
     [,1] [,2] [,3] 
[1,] TRUE FALSE FALSE 
[2,] FALSE FALSE FALSE 

Answer 3

由于|正则表达式中具有特殊的意义，你需要逃避它，即使用\\|：

ptn <- "\\bfoo[\\|\\b]" 

grep(ptn, "foo|baz|bar") 
[1] 1 

grep(ptn, "foo")   
integer(0) 

Answer 4

这也可以工作：

gregexpr("foo|", "foo|baz|bar", fixed = TRUE)[[c(1, 1)]] > 0 
gregexpr("foo|", "foobaz|bar", fixed = TRUE)[[c(1, 1)]] > 0  
gregexpr("foo|", "bazfoo", fixed = TRUE)[[c(1, 1)]] > 0 

这种方法是在不同的你可以利用你提供gregexpr间距选项找到由两个单词：

gregexpr("foo|", "baz foo|", fixed = TRUE)[[c(1, 1)]] > 0 
gregexpr(" foo|", "baz foo|", fixed = TRUE)[[c(1, 1)]] > 0