R grep：匹配多個模式的一個字符串

在R中，grep通常匹配多個字符串對一個正則表達式的向量。R grep：匹配多個模式的一個字符串

問：是否有可能將單個字符串與多個正則表達式匹配？（沒有循環遍歷每一個正則表達式模式）？

一些背景資料：

我有7000+的關鍵詞作爲指標的幾個類別。我無法更改該關鍵字字典。這本字典有以下結構（關鍵字在第1欄的數字代表這些關鍵字屬於類別）：

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

串聯有這麼多的關鍵字「|」不是一個可行的方法（我不知道哪個關鍵字產生了命中）。此外，只是反轉「模式」和「字符串」不起作用，因爲模式具有截斷，這不會反過來工作。

[related question，其他編程語言]

來源

2012-03-02 Felix S

我就像丹的建議一樣，但是對於大數據集，您可能會遇到一些重大的速度問題。如果您想在字典中查找某些內容並返回對應的值，我會建議採用不同的方法：使用strsplit將句子分解爲單個單詞的向量，然後應用哈希表進行快速查找。我在想，你可能想把關鍵字和類別指標分成兩個單獨的字典列。我會在那裏提供幫助，但只有在你更清楚地將最終結果作爲想要之後。 – 2012-03-02 18:33:04

同意重構字典數據並使用散列表進行查找（取決於期望的結果），但匹配應該相對較快，具體取決於字符串的數量，即使使用大量關鍵字也是如此。我會爲我的答案添加一個快速基準。 – danpelota 2012-03-02 19:33:03

如果你真的有很多單詞（通常是人類語言中的所有單詞，所有被google索引的單詞等），你可以使用 [前綴樹]（http：// en。 wikipedia.org/wiki/Trie）（它有時也被稱爲「trie」）。但我不知道任何實現的R. – 2012-03-02 23:25:46

怎麼樣了關鍵字的矢量應用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

值是在比賽的第一個字符的位置，與-1意義不匹配。

如果匹配的位置是無關緊要的，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：這將運行在我的系統比較快，即使有大量的關鍵字：

# 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

來源

2012-03-02 17:53:50 danpelota

謝謝您的回答與您的意見！最後，我做了一個綜合的方法：將一組可能的匹配減少到原始大小的〜5％，並且sapply函數完成了grep。 – 2012-03-05 10:13:31

然後爲了查看每個句子/字符串中有多少個關鍵字與最終數據幀匹配，問題： num.matches < - apply（data.frame（matches），1，function（z）sum（ ž== TRUE））。並且查找哪個原始字符串有，比方說，2個匹配，問題： strings [num.matches == 2]＃輸出：[1]「我的貓吃了鳥。」 – 2014-04-05 11:41:34

如果你想做一個替代品，你不只是閱讀關鍵字來搜索，而且他們的替代品？ – user1603472 2017-08-11 11:31:03

要擴展other answer，要將sapply()輸出轉換爲有用的邏輯向量，您需要進一步使用apply()步驟。

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關鍵字的任何（模式）：

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

要知道哪些關鍵字（模式）中提供的字符串相匹配：

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

來源

2015-12-12 11:05:52 landroni

R grep：匹配多個模式的一個字符串

回答

相關問題