tidyverse：过滤 str_detect

Question

我想使用 dplyr 中的 filter 命令和 str_detect。

library(tidyverse)

dt1 <- 
  tibble(
      No   = c(1, 2, 3, 4)
    , Text = c("I have a pen.", "I have a book.", "I have a pencile.", "I have a pen and a book.")
    )

dt1
# A tibble: 4 x 2
     No Text                    
  <dbl> <chr>                   
1     1 I have a pen.           
2     2 I have a book.          
3     3 I have a pencile.       
4     4 I have a pen and a book.


MatchText <- c("Pen", "Book")

dt1 %>% 
  filter(str_detect(Text,  regex(paste0(MatchText, collapse = '|'), ignore_case = TRUE)))

# A tibble: 4 x 2
     No Text                    
  <dbl> <chr>                   
1     1 I have a pen.           
2     2 I have a book.          
3     3 I have a pencile.       
4     4 I have a pen and a book.

需要输出

我希望以更有效的方式输出以下内容（因为在我原来的问题中会有很多 MatchText 的未知元素）。

dt1 %>% 
  filter(str_detect(Text,  regex("Pen", ignore_case = TRUE))) %>% 
  select(-Text) %>% 
  mutate(MatchText = "Pen") %>% 
  bind_rows(
    dt1 %>% 
      filter(str_detect(Text,  regex("Book", ignore_case = TRUE))) %>% 
      select(-Text) %>% 
      mutate(MatchText = "Book")
  )

# A tibble: 5 x 2
     No MatchText
  <dbl> <chr>    
1     1 Pen      
2     3 Pen      
3     4 Pen      
4     2 Book     
5     4 Book

任何更有效地完成上述任务的提示。

Answer 1

str_extract_all() 给出了多个匹配项，您可以将这些匹配项取消嵌套到单独的行中以获得所需的输出。如果你愿意，你仍然可以使用 paste+collapse 方法从矢量生成图案。

library(stringr)
dt1 %>% 
  mutate(match = str_extract_all(tolower(Text), "pen|book")) %>% 
  unnest(match) %>% 
  select(-Text)

Answer 2

library(tidyverse)
dt1 %>%
  mutate(
    result = str_extract_all(Text, regex(paste0("\b", MatchText, "\b", collapse = '|'),ignore_case = TRUE))
  ) %>%
  unnest(result) %>%
  select(-Text)
# # A tibble: 4 x 2
#      No result
#   <dbl> <chr> 
# 1     1 pen   
# 2     2 book  
# 3     4 pen   
# 4     4 book

我不确定编辑后问题的“全字”部分发生了什么 - 我留在字边界以匹配全字，但由于“笔”不是“的全字匹配” pencile”，我的结果与你的不匹配。如果您想要部分单词匹配，请去掉 \b。

tidyverse：过滤 str_detect

tidyverse: filter with str_detect

r

dplyr

tidyverse

stringr

tidytable