Question

假设有一个"foo"或"foo|baz|bar"形式的序列向量（一个单词或多个单词由"|"之类的特殊字符分隔），我们也会给出一个单词我们想要找到它有整个单词匹配的向量项。

例如，"foo"一词在"foo|baz|bar"中有完整匹配，但在"foobaz|bar"或"bazfoo"中不匹配。

首先，我尝试使用"\\b"来指示整个单词的开始或结束边缘并且它成功运作：

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

然后我尝试添加"|"作为两端的另一个可能的分隔符，并使用"\\b"和[将其与]分组：

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

但我的问题仍然存在：为什么"[|\\b]foo[|\\b]"模式无法与"foo"匹配？

Answer 1

您可以使用strplit：

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

你可以进行矢量化：

> 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 2

\ b匹配以下位置

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。
在字符串中的最后一个字符之后，如果最后一个字符是单词字符。
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。（字符是a-zA-Z1-9 _）

自|代表正则表达式中的交替运算符，你将不得不逃避它。

因此正则表达式\bfoo\b与foo中的foo|bar匹配，因为|是一个非单词字符。无需使用字符集[\b\|]

编辑：正如flodel在下面指出的\字符集内部的b表示退格字符。所以它会匹配|在[\ b \ |]内，而不是字边界。

Answer 3

由于|在正则表达式中具有特殊含义，因此您需要将其转义，即使用\\|：

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

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

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

Answer 4

这也有效：

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

这种方法的不同之处在于，您可以使用提供gregexpr的间距选项来查找由两个单词组成的单词：

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

R grep由特殊字符分隔的整个单词

4 个答案: