Question

我试图使用grepl检测术语，并且我得到了太多的误报。我希望可能有一种方法可以要求两个成功的匹配任何一个项目（我的数据段的手动编码，我试图使自动化至少大致对应于此，但我有大约5与手动编码一样多的积极因素。我没有看到grepl采取任何需要多个匹配的参数来触发TRUE。有没有办法要求两个匹配才能触发真正的发现？或者我应该使用其他功能吗？

GenericColumn <- cbind(grepl(Genericpattern, Statement$Statement.Text, ignore.case = TRUE))

编辑：

这是一个更具体的例子：

Examplepattern <- 'apple|orange'
ExampleColumn <- cbind(grepl(Examplepattern, Rexample$Statement.Text, ignore.case = TRUE))

现在，所有这些都将通过grepl触发。我只希望带有两个引用的项触发true。

示例数据：

Rexample <- structure(list(Statement.Text = structure(c(2L, 1L, 3L, 5L, 4L
), .Label = c("This apple is a test about an apple.", "This is a test about apples.", 
"This orange is a test about apples.", "This orange is a test about oranges.", 
"This orange is a test."), class = "factor")), .Names = "Statement.Text", row.names = c(NA, 
5L), class = "data.frame")

所需输出：TRUE，FALSE，TRUE，TRUE，FALSE

Answer 1

您可以尝试再次显式查找该模式的正则表达式，例如(?:apple|orange).*(?:apple|orange)

(pattern <- paste0("(?:", Examplepattern, ")", ".*", "(?:", Examplepattern, ")"))
#[1] "(?:apple|orange).*(?:apple|orange)"


grepl(pattern, Rexample$Statement.Text, ignore.case = TRUE, perl = TRUE)
#[1] FALSE  TRUE  TRUE FALSE  TRUE

Answer 2

您可以指定在正则表达式中使用大括号重复某些内容的次数，例如{2}（正好是之前的两倍），{2,5}（2-5次）或{{1 （2次或更多次）。但是，您需要在要匹配的单词之间允许使用单词，因此您需要使用{2,}（0次或更多次）量化的通配符.。

因此，如果您希望*或apple匹配两次（包括orange和apple，反之亦然），则可以使用

orange

如果您希望grepl('(apple.*|orange.*){2}', Rexample$Statement.Text, ignore.case = TRUE) # [1] FALSE TRUE TRUE FALSE TRUE重复两次或apple重复两次（但不是orange一次且apple一次），请单独量化：

orange

任何方式需要两个匹配而不是只有一个与grepl的TRUE？

2 个答案: