R grep: Ghép một chuỗi với nhiều mẫu

Question

Trong R, grep thường khớp với vectơ của nhiều chuỗi dựa vào một regexp.

Hỏi: Có khả năng khớp một chuỗi đơn với nhiều regexps không? (không lặp qua từng mẫu regexp đơn)?

Một số nền:

Tôi có 7000+ từ khóa như các chỉ số cho một số chuyên mục. Tôi không thể thay đổi từ điển từ khóa đó. Từ điển có cấu trúc sau (các từ khóa trong col 1, các con số cho thấy các danh mục mà các từ khóa này thuộc về):

ab 10 37 41 
abbrach* 38 
abbreche 39 
abbrich* 39 
abend* 37 
abendessen* 60 63 
aber 20 23 45 
abermals 37 

Ghép nhiều từ khóa bằng "|" không phải là cách khả thi (và tôi sẽ không biết từ khóa nào tạo ra lần truy cập). Ngoài ra, chỉ cần đảo ngược "mẫu" và "chuỗi" không hoạt động, vì các mẫu có cắt cụt, sẽ không hoạt động theo cách khác.

[related question, ngôn ngữ lập trình khác]

Answer 1

gì về việc áp dụng các chức năng regexpr qua một vector từ khóa không?

keywords <- c("dog", "cat", "bird") 

strings <- c("Do you have a dog?", "My cat ate by bird.", "Let's get icecream!") 

sapply(keywords, regexpr, strings, ignore.case=TRUE) 

    dog cat bird 
[1,] 15 -1 -1 
[2,] -1 4 15 
[3,] -1 -1 -1 

    sapply(keywords, regexpr, strings[1], ignore.case=TRUE) 

dog cat bird 
    15 -1 -1 

Giá trị được trả lại là vị trí của ký tự đầu tiên trong trận đấu, với -1 có nghĩa là không khớp.

Nếu vị trí của trận đấu là không thích hợp, sử dụng grepl thay vì:

sapply(keywords, grepl, strings, ignore.case=TRUE) 

     dog cat bird 
[1,] TRUE FALSE FALSE 
[2,] FALSE TRUE TRUE 
[3,] FALSE FALSE FALSE 

Cập nhật: này chạy khá nhanh trên hệ thống của tôi, ngay cả với một số lượng lớn các từ khóa:

# Available on most *nix systems 
words <- scan("/usr/share/dict/words", what="") 
length(words) 
[1] 234936 

system.time(matches <- sapply(words, grepl, strings, ignore.case=TRUE)) 

    user system elapsed 
    7.495 0.155 7.596 

dim(matches) 
[1]  3 234936 

Answer 2

Để mở rộng trên other answer, để chuyển đổi đầu ra sapply() thành một vectơ logic hữu ích, bạn cần sử dụng thêm bước apply().

keywords <- c("dog", "cat", "bird") 
strings <- c("Do you have a dog?", "My cat ate by bird.", "Let's get icecream!") 
(matches <- sapply(keywords, grepl, strings, ignore.case=TRUE)) 
#  dog cat bird 
# [1,] TRUE FALSE FALSE 
# [2,] FALSE TRUE TRUE 
# [3,] FALSE FALSE FALSE 

Để biết được chuỗi chứa bất kỳ các từ khóa (mẫu):

apply(matches, 1, any) 
# [1] TRUE TRUE FALSE 

Để biết được những từ khóa (mô hình) được xuất hiện trong chuỗi cung cấp:

apply(matches, 2, any) 
# dog cat bird 
# TRUE TRUE TRUE