grepl 查找单词答案

【问题标题】：grepl for finding wordsgrepl 查找单词
【发布时间】：2019-11-20 19:54:57
【问题描述】：

我正在尝试在 R 中查找多个单词中的西班牙语单词。我有一个 excel 中的所有西班牙语单词，我不知道如何附加到帖子中（它有超过 80000 个单词），我正在尝试检查其中是否有一些单词。

例如：

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

我尝试使用这个solution：

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

但是西班牙语单词太多，并给我这个错误：

Error

那么...我可以做谁？我也试过这个：

toupper(words) %in% toupper(spanish_words)

Result

正如您所看到的，此选项仅在完全匹配时给出 TRUE，并且我需要“Sillas”也显示为 TRUE（它是 silla 的复数词）。这就是我首先尝试使用 grepl 的原因，也用于获取复数。

有什么想法吗？

【问题讨论】：

我不认为 regex/grepl 是这里的解决方案，也许使用专用包，tm 包浮现在脑海中，可能还有更专业的字典样式包。
grepl 抛出的错误不是因为你的模式中有太多单词，而是因为你的正则表达式无效。
您需要将正则表达式放在括号中。你有word|word2|word3...，但你应该有(word|word2|word3...)。

标签： r regex grepl multiple-matches

【解决方案1】：

作为df：

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

词向量：单词

然后使用mutate和str_detect：

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

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

【讨论】：