使用 grepl 从模式列表中查找匹配模式答案

【问题标题】：Find matching patterns from list of patterns using grepl使用 grepl 从模式列表中查找匹配模式
【发布时间】：2023-04-03 23:11:01
【问题描述】：

我使用 grepl 来检查字符串是否包含一组模式中的任何模式（我使用 '|' 分隔模式）。反向搜索没有帮助。如何识别匹配的模式集？

附加信息：这可以通过编写一个循环来解决，但它非常耗时，因为我的集合有 > 100,000 个字符串。可以优化吗？

例如：设字符串为a <- "Hello"

pattern <- c("ll", "lo", "hl")

pattern1 <- paste(pattern, collapse="|") # "ll|lo|hl"

grepl(a, pattern=pattern1) # returns TRUE

grepl(pattern, pattern=a) # returns FALSE 'n' times - n is 3 here

【问题讨论】：

如果我能获得每个元素的所有匹配项，那就太好了。目前我正在迭代所有元素（'a'）
嗯，我不知道在这种情况下是否有创建矩阵的函数，我需要阅读文档，确实很有趣！
您的答案比蛮力优化得多。比较：所用时间间隔为 15 分钟。蛮力：346 次迭代 str_detect：87000+ 次迭代

标签： regex r string grepl

【解决方案1】：

您正在从包stringr 中寻找str_detect：

library(stringr)

str_detect(a, pattern)
#[1]  TRUE  TRUE FALSE

如果您有多个字符串，例如a = c('hello','hola','plouf')，您可以这样做：

lapply(a, function(u) pattern[str_detect(u, pattern)])

【讨论】：

【解决方案2】：

您还可以使用带有前瞻表达式(?=) 的基本 R，因为模式重叠。使用gregexpr，您可以将每个分组模式的匹配位置提取为矩阵。

## changed your string so the second pattern matches twice
a <- "Hellolo"
pattern <- c("ll", "lo", "hl")
pattern1 <- sprintf("(?=(%s))", paste(pattern, collapse=")|(")) #  "(?=(ll)|(lo)|(hl))"

attr(gregexpr(pattern1, a, perl=T)[[1]], "capture.start")
# [1,] 3 0 0
# [2,] 0 4 0
# [3,] 0 6 0

矩阵的每一列对应于模式，所以模式2匹配测试字符串中的位置4和6，模式1匹配位置3，依此类推。

【讨论】：