R grep：有 AND 运算符吗？答案

【问题标题】：R grep: is there an AND operator?R grep：有 AND 运算符吗？
【发布时间】：2012-11-02 00:10:37
【问题描述】：

假设我有以下数据框：

User.Id    Tags
34234      imageUploaded,people.jpg,more,comma,separated,stuff
34234      imageUploaded
12345      people.jpg

如何使用 grep（或其他工具）仅抓取同时包含“imageUploaded”和“people”的行？换句话说，我如何创建一个子集，其中只包含带有字符串“imageUploaded”和“people.jpg”的行，而不管顺序如何。

我试过了：

data.people<-data[grep("imageUploaded|people.jpg",results$Tags),]
data.people<-data[grep("imageUploaded?=people.jpg",results$Tags),]

有 AND 运算符吗？或者也许是另一种获得预期结果的方法？

【问题讨论】：

标签： r regex

【解决方案1】：

感谢this answer，这个正则表达式似乎有效。您想使用grepl()，它返回一个逻辑索引到您的数据对象。我不会声称完全理解正则表达式的内部工作原理，但无论如何：

x <- c("imageUploaded,people.jpg,more,comma,separated,stuff", "imageUploaded", "people.jpg")

grepl("(?=.*imageUploaded)(?=.*people\\.jpg)", x, perl = TRUE)
#-----
[1]  TRUE FALSE FALSE

【讨论】：

我曾与grep("(?=imageUploaded)(?=people\\.jpg)" 玩耍，但没有成功，所以秘密似乎是a）perl=TRUE，b）分组括号和c）领先的.* 之后?=
people\\.jpg 不起作用所以我只是做了data.people<-data[grepl("(?=.*imageUploaded)(?=.*people)",data$Tags,perl=TRUE),] 我不需要匹配 .jpg 扩展名，但我很想知道如何使用 grep 来做到这一点。
有没有一种不需要 perl=TRUE 的 AND 模式？这样它就可以用于 list.files 等？

【解决方案2】：

我喜欢@Chase 的回答，这对我来说很有意义，但使用人们不完全理解的结构可能有点危险。

这个答案旨在让任何想要使用@thelatemail 更直接的方法的人放心，它同样有效，并且在速度方面完全具有竞争力。这当然是我在这种情况下会使用的。（同样令人放心的是，更复杂的 Perl 兼容正则表达式因其强大的功能和易于扩展而无需支付性能成本。）

library(rbenchmark)
x <- paste0(sample(letters, 1e6, replace=T), ## A longer vector of
            sample(letters, 1e6, replace=T)) ## possible matches

## Both methods give identical results
tlm <- grepl("a", x, fixed=TRUE) & grepl("b", x, fixed=TRUE)
pat <- "(?=.*a)(?=.*b)"
Chase <- grepl(pat, x, perl=TRUE)
identical(tlm, Chase)
# [1] TRUE    

## Both methods are similarly fast
benchmark(
    tlm = grepl("a", x, fixed=TRUE) & grepl("b", x, fixed=TRUE),
    Chase = grepl(pat, x, perl=TRUE))
#          test replications elapsed relative user.self sys.self
# 2       Chase          100    9.89    1.105      9.80     0.10
# 1 thelatemail          100    8.95    1.000      8.47     0.48

【讨论】：

我认为，这是一个很好的答案。 tlm 方法（虽然速度很快）很容易遵循。

【解决方案3】：

为了便于阅读，您可以这样做：

x <- c(
       "imageUploaded,people.jpg,more,comma,separated,stuff",
       "imageUploaded",
       "people.jpg"
       )

xmatches <- intersect(
                      grep("imageUploaded",x,fixed=TRUE),
                      grep("people.jpg",x,fixed=TRUE)
                     )
x[xmatches]
[1] "imageUploaded,people.jpg,more,comma,separated,stuff"

【讨论】：

当然，简单的答案就是应用 grep 两次（一次是使用 'imageUploaded' 提取行，然后在该结果上使用 'people.jpg' 提取行）。您的解决方案不会创建临时对象（可能很大）。

【解决方案4】：

下面是使用 hadley 的 stringr::str_detect() 替代 grep 的方法。这避免了使用perl=true@jan-stanstrup。此外，dplyr::filter() 将返回数据帧本身内的行，因此您永远不需要离开 df。

library(stringr)
libary(dplyr)
 x <- data.frame(User.Id =c(34234,34234,12345), 
                 Tags=c("imageUploaded,people.jpg,more,comma,separated,stuff",
                        "imageUploaded",
                        "people.jpg"))

 data.people <- x %>% filter(str_detect(Tags,"(?=.*imageUploaded)(?=.*people\\.jpg)"))
 data.people

# returns
#  User.Id                                                Tags
# 1   34234 imageUploaded,people.jpg,more,comma,separated,stuff

如果“people.jpg”总是跟随“imageUploaded”，这更简单并且有效

str_extract(x,"imageUploaded.*people\\.jpg")

【讨论】：

是否可以传递一个向量来匹配？您将如何使用 AND 运算符匹配以下向量中的两个元素，c("imageUploaded", "people")。