R grep：匹配多个模式的一个字符串

在R中，grep通常匹配多个字符串对一个正则表达式的向量。R grep：匹配多个模式的一个字符串

问：是否有可能将单个字符串与多个正则表达式匹配？（没有循环遍历每一个正则表达式模式）？

一些背景资料：

我有7000+的关键词作为指标的几个类别。我无法更改该关键字字典。这本字典有以下结构（关键字在第1栏的数字代表这些关键字属于类别）：

ab 10 37 41 
abbrach* 38 
abbreche 39 
abbrich* 39 
abend* 37 
abendessen* 60 63 
aber 20 23 45 
abermals 37

串联有这么多的关键字“|”不是一个可行的方法（我不知道哪个关键字产生了命中）。此外，只是反转“模式”和“字符串”不起作用，因为模式具有截断，这不会反过来工作。

[related question，其他编程语言]

来源

2012-03-02 Felix S

我就像丹的建议一样，但是对于大数据集，您可能会遇到一些重大的速度问题。如果您想在字典中查找某些内容并返回对应的值，我会建议采用不同的方法：使用strsplit将句子分解为单个单词的向量，然后应用哈希表进行快速查找。我在想，你可能想把关键字和类别指标分成两个单独的字典列。我会在那里提供帮助，但只有在你更清楚地将最终结果作为想要之后。 – 2012-03-02 18:33:04

同意重构字典数据并使用散列表进行查找（取决于期望的结果），但匹配应该相对较快，具体取决于字符串的数量，即使使用大量关键字也是如此。我会为我的答案添加一个快速基准。 – danpelota 2012-03-02 19:33:03

如果你真的有很多单词（通常是人类语言中的所有单词，所有被google索引的单词等），你可以使用 [前缀树]（http：// en。 wikipedia.org/wiki/Trie）（它有时也被称为“trie”）。但我不知道任何实现的R. – 2012-03-02 23:25:46

怎么样了关键字的矢量应用regexpr功能？返回

keywords <- c("dog", "cat", "bird") 

strings <- c("Do you have a dog?", "My cat ate by bird.", "Let's get icecream!") 

sapply(keywords, regexpr, strings, ignore.case=TRUE) 

    dog cat bird 
[1,] 15 -1 -1 
[2,] -1 4 15 
[3,] -1 -1 -1 

    sapply(keywords, regexpr, strings[1], ignore.case=TRUE) 

dog cat bird 
    15 -1 -1

值是在比赛的第一个字符的位置，与-1意义不匹配。

如果匹配的位置是无关紧要的，使用grepl代替：

sapply(keywords, grepl, strings, ignore.case=TRUE) 

     dog cat bird 
[1,] TRUE FALSE FALSE 
[2,] FALSE TRUE TRUE 
[3,] FALSE FALSE FALSE

更新：这将运行在我的系统比较快，即使有大量的关键字：

# Available on most *nix systems 
words <- scan("/usr/share/dict/words", what="") 
length(words) 
[1] 234936 

system.time(matches <- sapply(words, grepl, strings, ignore.case=TRUE)) 

    user system elapsed 
    7.495 0.155 7.596 

dim(matches) 
[1]  3 234936

来源

2012-03-02 17:53:50 danpelota

谢谢您的回答与您的意见！最后，我做了一个综合的方法：将一组可能的匹配减少到原始大小的〜5％，并且sapply函数完成了grep。 – 2012-03-05 10:13:31

然后为了查看每个句子/字符串中有多少个关键字与最终数据帧匹配，问题： num.matches < - apply（data.frame（matches），1，function（z）sum（ ž== TRUE））。并且查找哪个原始字符串有，比方说，2个匹配，问题： strings [num.matches == 2]＃输出：[1]“我的猫吃了鸟。” – 2014-04-05 11:41:34

如果你想做一个替代品，你不只是阅读关键字来搜索，而且他们的替代品？ – user1603472 2017-08-11 11:31:03

要扩展other answer，要将sapply()输出转换为有用的逻辑向量，您需要进一步使用apply()步骤。

keywords <- c("dog", "cat", "bird") 
strings <- c("Do you have a dog?", "My cat ate by bird.", "Let's get icecream!") 
(matches <- sapply(keywords, grepl, strings, ignore.case=TRUE)) 
#  dog cat bird 
# [1,] TRUE FALSE FALSE 
# [2,] FALSE TRUE TRUE 
# [3,] FALSE FALSE FALSE

要知道哪些字符串包含关键字的任何（模式）：

apply(matches, 1, any) 
# [1] TRUE TRUE FALSE

要知道哪些关键字（模式）中提供的字符串相匹配：

apply(matches, 2, any) 
# dog cat bird 
# TRUE TRUE TRUE

来源

2015-12-12 11:05:52 landroni

R grep：匹配多个模式的一个字符串

回答

相关问题