使用 R 找到最佳字符串匹配答案

【问题标题】：Finding the best string match with R使用 R 找到最佳字符串匹配
【发布时间】：2014-08-26 20:29:24
【问题描述】：

从这个L Hernandez开始

来自包含以下内容的向量：

[1] "HernandezOlaf "    "HernandezLuciano " "HernandezAdrian "

我试过这个：

'subset(ABC, str_detect(ABC, "L Hernandez") == TRUE)'

包含大写字母 L 的 Hernandez 名称是所需的输出。

想要的输出是HernandezLuciano

【问题讨论】：

标签： r string string-matching fuzzy-search

【解决方案1】：

如果您只想在大写 L 之后使用全名，则可以修改以下内容：

vec1[grepl("Hernandez", vec1) & grepl("L\\.*", vec1)]
[1] "L Hernandez"       "HernandezLuciano

或

vec1[grepl("Hernandez", vec1) & grepl("L[[:alpha:]]", vec1)]
[1] "HernandezLuciano "

表达式在“Hernandez”上查找匹配项，然后查看是否有大写“L”后跟任何字符或空格。第二个版本需要在大写“L”后加一个字母。

顺便说一句，您似乎无法链接 grepls。

vec1[grepl("Hernandez", vec1) & grepl("L\\[[:alpha:]]", vec1)]
character(0)

【讨论】：

【解决方案2】：

您可以使用agrep 函数进行近似字符串匹配。如果您只是运行此函数，它会匹配每个字符串...

agrep("L Hernandez", c("HernandezOlaf ",    "HernandezLuciano ", "HernandezAdrian "))
[1] 1 2 3

但是如果你稍微修改一下 "L Hernandez" -> "Hernandez L"

agrep("Hernandez L", c("HernandezOlaf ",    "HernandezLuciano ", "HernandezAdrian "))
[1] 1 2 3

并更改最大距离

agrep("Hernandez L", c("HernandezOlaf ",    "HernandezLuciano ", "HernandezAdrian "),0.01)
[1] 2

你会得到正确的答案。这只是一个想法，它可能对你有用:)

【讨论】：

【解决方案3】：

这可能会有所帮助：

vec1 <- c("L Hernandez", "HernandezOlaf ","HernandezLuciano ", "HernandezAdrian ")
grep("L ?Hernandez|Hernandez ?L",vec1,value=T)
#[1] "L Hernandez" "HernandezLuciano "

更新

variable <- "L Hernandez"

v1 <- gsub(" ", " ?", variable) #replace space with a space and question mark 
v2 <- gsub("([[:alpha:]]+) ([[:alpha:]]+)", "\\2 ?\\1", variable) #reverse the order of words in the string and add question mark

您也可以使用strsplit 来拆分variable，就像@rawr 评论的那样

grep(paste(v1,v2, sep="|"), vec1,value=T)
#[1] "L Hernandez"       "HernandezLuciano "

【讨论】：

它有效，但我从这个开始。 vec1