使用R在字符串中进行文本挖掘

Question

我最近开始使用R和新手进行数据分析。

当使用一串数据进行搜索时，R是否有可能在单个主字符串中找到重复次数？

例：
主字符串：＆＃39; abcdefghikllabcdefgllabcd＆＃39;
和搜索字符串：＆＃39; lla ＆＃39;

所需的输出：＆＃39; abcdefghik lla bcdefg lla bcd ＆＃39;

[我尝试使用R的 grep（）函数，但它没有以所需的方式工作，只给出了多个主字符串中搜索字符串的重复次数。]

提前谢谢。

Answer 1

这也适用于正则表达式捕获组：

gsub("(lla)"," \\1 ","abcdefghikllabcdefgllabcd")

Answer 2

尝试这样的gsub（）方法：

main_string <- 'abcdefghikllabcdefgllabcd'
search_string <- 'lla'

output_string <- gsub(search_string, paste(' ', search_string, ' ', sep = ''), main_string)

Answer 3

您的问题是，您可能只想计算主字符串中搜索次数的出现次数。如果是这种情况，请尝试这一个班轮：

string = "abcdefghikllabcdefgllabcd"
search  = 'lla'

( nchar(string) - nchar( gsub(search, "", string)) ) / nchar(search)
#returns 2

string2 = "llaabcdefghikllabcdefgllabcdlla"
( nchar(string2) - nchar( gsub(search, "", string2)) ) / nchar(search)
#returns 4

注意：在字符串的开头和结尾处对匹配项进行单元测试（即确保它适用于'llaabcdefghikllabcdefgllabcdlla'）。我在其他地方看到了几个依赖strsplit（）拆分'lla'的解决方案，但是这些解决方案跳过了单词末尾的最后一个'lla'。