如何根据 R 中的正则表达式列表过滤向量？答案

【问题标题】：How can I filter a vector based on regex list in R?如何根据 R 中的正则表达式列表过滤向量？
【发布时间】：2023-02-11 15:45:07
【问题描述】：

我有一个字符串向量，我想根据第二个向量中的关键字对其进行过滤。

下面是一个小代表：

list1 <- c("I like apples", "I eat bread", "Bananas are my favorite")
fruit <- c("apple","banana")

我假设我将需要使用stringr/stringi，但本质上，我想按照list1 %in% fruit的方式做一些事情，它会返回T,F,T。

有什么建议么？

【问题讨论】：

标签： r stringr

【解决方案1】：

str_dectect 的解决方案：

library(tidyverse)
data.frame(list1) %>%
  mutate(Flag = str_detect(list1, paste0("(?i)", paste0(fruit, collapse = "|"))))
                    list1  Flag
1           I like apples  TRUE
2             I eat bread FALSE
3 Bananas are my favorite  TRUE

如果你想filter（即子集）你的数据：

data.frame(list1) %>%
  filter(str_detect(list1, paste0("(?i)", paste0(fruit, collapse = "|"))))
                    list1
1           I like apples
2 Bananas are my favorite

请注意，(?i) 用于使匹配不区分大小写。

编辑:

要在单独的列中记录匹配项，您可以使用str_extract（如果您希望每个字符串只有一个匹配项）或str_extract_all（对于多个匹配项）：

data.frame(list1) %>%
  mutate(Flag = str_detect(list1, paste0("(?i)", paste0(fruit, collapse = "|"))),
         Match = str_extract_all(list1, paste0("(?i)", paste0(fruit, collapse = "|"))))
                    list1  Flag  Match
1           I like apples  TRUE  apple
2             I eat bread FALSE       
3 Bananas are my favorite  TRUE Banana

【讨论】：

谢谢！这很棒，而且效果很好。以此为基础，Flag 列是否可以显示它在列表中选择的单词？

【解决方案2】：

我们可以使用 grepl 来做到这一点，而无需使用外部包。

grepl可以处理由|分隔的多个模式，因此我们可以先将fruit中的字符串与|作为分隔符连接在一起。

如果您不关心大小写，请记住设置ignore.case = TRUE（请注意示例中的“香蕉”有不同的大小写）。

grepl(paste(fruit, collapse = "|"), list1, ignore.case = T)
[1]  TRUE FALSE  TRUE

或者使用grep直接输出匹配的字符串：

# same as list1[grepl(paste(fruit, collapse = "|"), list1, ignore.case = T)]
grep(paste(fruit, collapse = "|"), list1, ignore.case = T, value = T)
[1] "I like apples"           "Bananas are my favorite"

【讨论】：

谢谢！这真的很有帮助并且解释得很好！