grep 使用具有多个模式的字符向量答案

【问题标题】：grep using a character vector with multiple patternsgrep 使用具有多个模式的字符向量
【发布时间】：2011-11-27 16:39:19
【问题描述】：

我正在尝试使用grep 来测试字符串向量是否存在于另一个向量中，并输出存在的值（匹配模式）。

我有一个这样的数据框：

FirstName Letter   
Alex      A1
Alex      A6
Alex      A7
Bob       A1
Chris     A9
Chris     A6

我在“字母”列中有一个字符串模式向量，例如：c("A1", "A9", "A6")。

我想检查“字母”列中是否存在模式向量中的任何字符串。如果是，我想要唯一值的输出。

问题是，我不知道如何将grep 与多个模式一起使用。我试过了：

matches <- unique (
    grep("A1| A9 | A6", myfile$Letter, value=TRUE, fixed=TRUE)
)

但它给了我 0 个不正确的匹配项，有什么建议吗？

【问题讨论】：

你不能使用 fixed=TRUE 因为你的模式是 true 正则表达式。
使用match 或%in% 甚至== 是比较精确匹配的唯一正确方法。正则表达式对于这样的任务是非常危险的，并且可能导致意想不到的结果。

标签： r regex

【解决方案1】：

这应该可行：

grep(pattern = 'A1|A9|A6', x = myfile$Letter)

或者更简单：

library(data.table)
myfile$Letter %like% 'A1|A9|A6'

【讨论】：

%like% 不在基础 R 中，因此您应该提及使用它需要哪些包。
对于查看此答案的其他人，%like% 是 data.table 包的一部分。在data.table 中也类似的还有like(...)、%ilike% 和%flike%。

【解决方案2】：

除了@Marek 关于不包括fixed==TRUE 的评论之外，您还需要在正则表达式中没有空格。应该是"A1|A9|A6"。

您还提到有很多模式。假设它们在一个向量中

toMatch <- c("A1", "A9", "A6")

然后您可以直接使用paste 和collapse = "|" 创建您的正则表达式。

matches <- unique (grep(paste(toMatch,collapse="|"), 
                        myfile$Letter, value=TRUE))

【讨论】：

当您的字符串列表包含正则表达式运算符作为标点符号时，有什么方法可以做到这一点？
@user1987097 它应该以相同的方式工作，有或没有任何其他正则表达式运算符。你有一个不适用的具体例子吗？
@user1987097 在点或括号前使用 2 个反斜杠。第一个反斜杠是一个转义字符，用于解释禁用运算符所需的第二个反斜杠。
使用正则表达式进行完全匹配对我来说似乎很危险，并且可能会产生意想不到的结果。为什么不只是toMatch %in% myfile$Letter？
@user4050 没有具体原因。问题中的版本有它，我可能只是通过它而不考虑是否有必要。

【解决方案3】：

去掉空格。这样做：

matches <- unique(grep("A1|A9|A6", myfile$Letter, value=TRUE, fixed=TRUE))

【讨论】：

【解决方案4】：

使用sapply

 patterns <- c("A1", "A9", "A6")
         df <- data.frame(name=c("A","Ale","Al","lex","x"),Letters=c("A1","A2","A9","A1","A9"))



   name Letters
1    A      A1
2  Ale      A2
3   Al      A9
4  lex      A1
5    x      A9


 df[unlist(sapply(patterns, grep, df$Letters, USE.NAMES = F)), ]
  name Letters
1    A      A1
4  lex      A1
3   Al      A9
5    x      A9

【讨论】：

【解决方案5】：

不确定这个答案是否已经出现...

对于问题中的特定模式，您可以通过单个 grep() 调用来完成，

grep("A[169]", myfile$Letter)

【讨论】：

【解决方案6】：

很好的答案，但不要忘记来自 dplyr 的 filter()：

patterns <- c("A1", "A9", "A6")
>your_df
  FirstName Letter
1      Alex     A1
2      Alex     A6
3      Alex     A7
4       Bob     A1
5     Chris     A9
6     Chris     A6

result <- filter(your_df, grepl(paste(patterns, collapse="|"), Letter))

>result
  FirstName Letter
1      Alex     A1
2      Alex     A6
3       Bob     A1
4     Chris     A9
5     Chris     A6

【讨论】：

我认为 grepl 当时使用一种模式（我们需要长度为 1 的向量），我们有 3 种模式（长度为 3 的向量），因此我们可以使用一些将它们与一种模式结合对 grepl 分隔符友好 - |，试试你的运气吧:)
哦，我现在明白了。所以它是一种输出类似 A1 | 的压缩方式A2 因此，如果想要所有条件，那么崩溃将带有 & 符号，很酷，谢谢。
嗨，使用)|( 来分隔模式可能会使其更加健壮：paste0("(", paste(patterns, collapse=")|("),")")。不幸的是，它也变得不那么优雅了。这导致模式(A1)|(A9)|(A6)。

【解决方案7】：

我建议编写一个小脚本并使用 Grep 进行多次搜索。我从来没有找到一种方法来搜索多种模式，相信我，我已经看过了！

像这样，你的 shell 文件，带有一个嵌入的字符串：

 #!/bin/bash 
 grep *A6* "Alex A1 Alex A6 Alex A7 Bob A1 Chris A9 Chris A6";
 grep *A7* "Alex A1 Alex A6 Alex A7 Bob A1 Chris A9 Chris A6";
 grep *A8* "Alex A1 Alex A6 Alex A7 Bob A1 Chris A9 Chris A6";

然后通过键入 myshell.sh 运行。

如果您希望能够在命令行中传递字符串，请像这样使用 shell 参数——顺便说一句，这是 bash 表示法：

 #!/bin/bash 
 $stingtomatch = "${1}";
 grep *A6* "${stingtomatch}";
 grep *A7* "${stingtomatch}";
 grep *A8* "${stingtomatch}";

等等。

如果有很多模式要匹配，你可以把它放在一个 for 循环中。

【讨论】：

谢谢克里斯宾。这些模式实际上很多，那么使用文件可能会更好。我是 BASH 的新手，但也许这样的东西应该可以工作...... #!/bin/bash for i in 'pattern.txt' do echo $ij='grep -c "${i}" myfile.txt' echo $j如果 [$j -eq o ] 那么 echo $i >> matches.txt fi done
不起作用...错误消息是“[grep: command not found”...我在 /bin 文件夹中有 grep，并且 /bin 在我的 $PATH 上...不确定发生了什么...你能帮忙吗？

【解决方案8】：

添加到 Brian Diggs 的答案。

另一种使用 grepl 的方法将返回一个包含所有值的数据框。

toMatch <- myfile$Letter

matches <- myfile[grepl(paste(toMatch, collapse="|"), myfile$Letter), ]

matches

Letter Firstname
1     A1      Alex 
2     A6      Alex 
4     A1       Bob 
5     A9     Chris 
6     A6     Chris

也许更干净一点……也许？

【讨论】：

【解决方案9】：

根据 Brian Digg 的帖子，这里有两个有用的过滤列表功能：

#Returns all items in a list that are not contained in toMatch
#toMatch can be a single item or a list of items
exclude <- function (theList, toMatch){
  return(setdiff(theList,include(theList,toMatch)))
}

#Returns all items in a list that ARE contained in toMatch
#toMatch can be a single item or a list of items
include <- function (theList, toMatch){
  matches <- unique (grep(paste(toMatch,collapse="|"), 
                          theList, value=TRUE))
  return(matches)
}

【讨论】：

【解决方案10】：

您尝试过match() 或charmatch() 函数吗？

使用示例：

match(c("A1", "A9", "A6"), myfile$Letter)

【讨论】：

match 需要注意的一点是它没有使用模式，它期望完全匹配。