使用 grepl 从模式列表中查找匹配模式

Question

我使用 grepl 检查字符串是否包含一组模式中的任何模式（我使用“|”分隔模式）。反向搜索没有帮助。如何识别匹配的模式集？

附加信息：这可以通过编写一个循环来解决，但是非常耗时，因为我的集合有 > 100,000 个字符串。可以优化吗？

例如：设字符串为a <- "Hello"

pattern <- c("ll", "lo", "hl")

pattern1 <- paste(pattern, collapse="|") # "ll|lo|hl"

grepl(a, pattern=pattern1) # returns TRUE

grepl(pattern, pattern=a) # returns FALSE 'n' times - n is 3 here

Answer 1

您正在从包裹 stringr 中寻找 str_detect：

library(stringr)

str_detect(a, pattern)
#[1]  TRUE  TRUE FALSE

如果你有多个像 a = c('hello','hola','plouf') 这样的字符串，你可以这样做：

lapply(a, function(u) pattern[str_detect(u, pattern)])

Answer 2

您还可以将基数 R 与前瞻表达式 (?=) 结合使用，因为模式重叠。使用 gregexpr 您可以将每个分组模式的匹配位置提取为矩阵。

## changed your string so the second pattern matches twice
a <- "Hellolo"
pattern <- c("ll", "lo", "hl")
pattern1 <- sprintf("(?=(%s))", paste(pattern, collapse=")|(")) #  "(?=(ll)|(lo)|(hl))"

attr(gregexpr(pattern1, a, perl=T)[[1]], "capture.start")
# [1,] 3 0 0
# [2,] 0 4 0
# [3,] 0 6 0

矩阵的每一列对应于模式，所以模式2匹配测试字符串中的位置4和6，模式1匹配位置3，依此类推。

使用 grepl 从模式列表中查找匹配模式

Find matching patterns from list of patterns using grepl

regex

string

r

grepl