正则表达式，包括和排除R中的某些字符串

Question

我正在尝试使用R来解析许多条目。我对我想要的条目有两个要求。我想要包含单词apple的所有条目，但不要包含单词orange。

例如：

1. 我喜欢苹果
2. 我真的很喜欢苹果
3. 我喜欢苹果和橘子

我希望得到第1和第2条。

我怎么能用R来做呢？

感谢。

Answer 1

可以做

temp <- c("I like apples", "I really like apples", "I like apples and oranges")
temp[grepl("apple", temp) & !grepl("orange", temp)]

## [1] "I like apples"      "I really like apples"

Answer 2

使用正则表达式，您可以执行以下操作。

x <- c('I like apples', 'I really like apples', 
       'I like apples and oranges', 'I like oranges and apples',
       'I really like oranges and apples but oranges more')

x[grepl('^((?!.*orange).)*apple.*$', x, perl=TRUE)]
# [1] "I like apples"        "I really like apples"

正则表达式向前看是否除了换行符和没有子串orange之外没有字符，如果是，那么点.将匹配除换行符之外的任何字符因为它被包裹在一个组中，并重复（0或更多次）。接下来，我们会查找apple以及换行符之外的任何字符（0或更多次）。最后，线锚的起点和终点都已到位，以确保输入被消耗。

---

更新：如果出现性能，则可以使用以下内容。

x[grepl('^(?!.*orange).*$', x, perl=TRUE)]

Answer 3

这个正则表达式比其他正则表达式版本更小，更快（见下面的比较）。我没有与David的双grepl进行比较的工具，所以如果有人可以比较下面的单grep与我们能够知道的双grepl。必须对成功案例和失败案例进行比较。

^(?!.*orange).*apple.*$

1. 否定前瞻确保我们没有orange
2. 我们只匹配字符串，只要它包含apple即可。不需要前瞻。

代码示例

grep("^(?!.*orange).*apple.*$", subject, perl=TRUE, value=TRUE);

速度比较

@hwnd现在已经删除了这个双前瞻版本，但根据RegexBuddy，速度差异仍然存在：

1. 针对I like apples and oranges，引擎需要22个步骤才能失败，对于双前瞻版本^(?=.*apple)((?!orange).)*$需要143步，^((?!.*orange).)*apple.*$需要22步（等于等待第2点）。
2. 针对I really like apples，引擎需要64步才能成功，而双前瞻版本^(?=.*apple)((?!orange).)*$需要104步，^((?!.*orange).)*apple.*$需要538步。

这些数字由RegexBuddy调试器提供。