匹配和替换R中字符串中的拼写错误的单词答案

【问题标题】：Match and replace misspelled words in a string in R匹配和替换R中字符串中的拼写错误的单词
【发布时间】：2018-05-23 03:07:13
【问题描述】：

我有一个短语列表，我想用相似的单词替换其中的某些单词，以防拼写错误。

library(stringr)
a4 <- "I would like a cheseburger and friees please"
badwords.corpus <- c("cheseburger", "friees")
goodwords.corpus <- c("cheeseburger", "fries")

vect.corpus <- goodwords.corpus
names(vect.corpus) <- badwords.corpus

str_replace_all(a4, vect.corpus)
# [1] "I would like a cheeseburger and fries please"

一切正常，直到找到一个相似的字符串，并用另一个词替换它

如果我有如下模式：

"plea"，正确的是"please"，但是当我执行它时将其删除并替换为"pleased"。

我正在寻找的是，如果一个字符串已经正确，则不再对其进行修改，以防它找到类似的模式。

【问题讨论】：

能不能举个反例，我不清楚？
string<- c("tre", "tree", "teeasing", "tesing") goodwords<-c("tree", "three", "teasing", "testing") badwords<- c("tre", "thre", "teeasing", "tesing") vect.corpus <- goodwords names(vect.corpus) <- badwords a <- str_replace_all(string, vect.corpus) "tree" **"treee"** "teasing" "testing"

标签： r regex string text-mining text-processing

【解决方案1】：

也许您需要执行渐进式替换。例如你应该有多组badwords 和goodwords。首先替换为具有更多字母的badwords，以便找不到匹配的模式，然后选择较小的。

从您提供的列表中，我将创建 2 个集合：

goodwords1<-c( "three", "teasing") 
badwords1<- c("thre", "teeasing") 

goodwords2<-c("tree", "testing") 
badwords2<- c("tre", "tesing")

先用第一组替换，然后再用第二组替换。您可以创建许多这样的集合。

【讨论】：

【解决方案2】：

str_replace_all 以正则表达式为模式，因此您可以在每个badwords 周围使用paste0 单词边界\\b，这样只有在匹配整个单词时才会进行替换：

library(stringr)
string <- c("tre", "tree", "teeasing", "tesing") 
goodwords <- c("tree", "three", "teasing", "testing") 
badwords <- c("tre", "thre", "teeasing", "tesing") 

# Paste word boundaries around badwords
badwords <- paste0("\\b", badwords, "\\b")

vect.corpus <- goodwords 
names(vect.corpus) <- badwords 

str_replace_all(string, vect.corpus) 
[1] "tree"    "tree"    "teasing" "testing"

这样做的好处是您不必跟踪哪些字符串是较长的字符串。

这是badwords粘贴后的样子：

> badwords
[1] "\\btre\\b"      "\\bthre\\b"     "\\bteeasing\\b" "\\btesing\\b"

【讨论】：