Question

我正在R中尝试从多个单词中找到西班牙语单词。我有一个我不知道该如何附加的excel中的所有西班牙语单词（超过80000个单词），并且我正在尝试检查其中是否有某些单词。

例如：

words = c("Silla", "Sillas", "Perro", "asdfg")

我尝试使用此solution：

grepl(paste(spanish_words, collapse = "|"), words)

但是西班牙语单词过多，给了我这个错误：

Error

那...我能做得到吗？我也尝试过：

toupper(words) %in% toupper(spanish_words)

Result

如您所见，使用此选项仅在完全匹配时给出TRUE，我需要“ Sillas”也显示为TRUE（这是silla的复数形式）。这就是我首先尝试使用grepl的原因，也是为了获得复数形式。

有什么主意吗？

Answer 1

作为df：

df <- tibble(text = c("some words", 
                      "more words", 
                      "Perro", 
                      "And asdfg", 
                      "Comb perro and asdfg"))

向量词：单词<-c（“ Silla”，“ Sillas”，“ Perro”，“ asdfg”）单词<-tolower（paste（words，crash =“ |”））

然后使用mutate和str_detect：

df %>% 
  mutate(
   text = tolower(text), 
   spanish_word = str_detect(text, words)
 )

返回：

text                 spanish_word
  <chr>                <lgl>       
1 some words           FALSE       
2 more words           FALSE       
3 perro                TRUE        
4 and asdfg            TRUE        
5 comb perro and asdfg TRUE

grepl寻找单词

1 个答案: