Question

感谢grep using a character vector with multiple patterns，我也想出了自己的问题。这里的问题是如何使用grep函数找到多个值，解决方案是这两个：

grep("A1| A9 | A6")

或

toMatch <- c("A1", "A9", "A6")
matches <- unique (grep(paste(toMatch,collapse="|")

所以我使用了第二个建议，因为我有很多值要搜索。

但我很好奇为什么c（）或for循环不能用而不是|。在我研究stackoverflow中的可能解决方案并找到上述建议之前，我尝试了两种替代方案，我将在下面演示：

首先，我在R中写的是这样的：

find.explore.l<-lapply(text.words.bl ,function(m) grep("^explor",m))

但是我不得不'grep'很多单词，所以我尝试了这个

find.explore.l<-lapply(text.words.bl ,function(m) grep(c("A1","A2","A3"),m))

它不起作用，所以我尝试了另一个（XXX是我应该在文本中找到的单词列表）

for (i in XXX){
  find.explore.l<-lapply(text.words.bl ,function(m) grep("XXX[i]"),m))
    .......(more lines to append lines etc)
   }

似乎R试图匹配XXX [i]本身，而不是里面的单词。为什么c（）和for循环for grep不能返回正确的结果？有人请让我知道！我很好奇：P

Answer 1

来自pattern=函数中grep()参数的文档：

包含要在给定字符向量中匹配的正则表达式（或fixed = TRUE的字符串）的字符串。如果可能，由as.character强制转换为字符串。 如果提供长度为2或更长的字符向量，则第一个元素将使用警告。除regexpr和gregexpr外，允许缺少值。

这证实，正如@nrussell在评论中所说，grep()没有在模式参数上进行矢量化。因此，c()不适用于正则表达式列表。

你可以，但是，使用循环，你只需要修改你的语法。

toMatch <- c("A1", "A9", "A6")

# Loop over values to match
for (i in toMatch) {
    grep(i, text)
}

使用"XXX[i]"作为您的模式并不起作用，因为它将其解释为正则表达式。也就是说，它将完全匹配XXXi。要引用正则表达式向量的元素，只需使用XXX[i]（注意缺少周围的引号）。

你可以apply()这个，但方式与你做的略有不同。您将它应用于列表中的每个 regex ，而不是每个文本字符串。

lapply(toMatch, function(rgx, text) grep(rgx, text), text = text)

然而，正如您在帖子中所使用的那样，最好的方法是使用

matches <- unique(grep(paste(toMatch, collapse = "|"), text))

Answer 2

考虑一下：

XXX <- c("a", "b", "XXX[i]")
grep("XXX[i]", XXX, value=T)
character(0)
grep("XXX\\[i\\]", XXX, value=T)
[1] "XXX[i]"

R在做什么？它对grep的第一个参数使用特殊规则。括号被视为特殊字符（[和]）。我输入两个反斜杠告诉R将它们视为常规括号。并且如果我将最后一个表达式放入for循环中会发生什么？它不会按我的预期行事。

如果您希望for循环遍历可能匹配的字符向量，请取出grep函数中的引号。

#if you want the match returned
matches <- c("a", "b")
for (i in matches) print(grep(i, XXX, value=T))
[1] "a"
[1] "b"

#if you want the vector location of the match
for (i in matches) print(grep(i, XXX))
[1] 1
[1] 2

正如评论所指出的那样，grep(c("A1","A2","A3"),m))违反了grep所需的语法。

R：为什么循环或c（）不能用于grep函数？

2 个答案: