R 正则表达式：grep 不包括连字符/破折号作为边界答案

【问题标题】：R regex: grep excluding hyphen/dash as boundaryR 正则表达式：grep 不包括连字符/破折号作为边界
【发布时间】：2015-03-24 02:13:24
【问题描述】：

我正在尝试将向量中的确切单词与可变字符串进行匹配。为此，我使用了边界。但是，我希望连字符/破折号不要被视为单词边界。这是一个例子：

vector<-c(    
"ARNT",
"ACF, ASP, ACF64",
"BID",
"KTN1, KTN",
"NCRNA00181, A1BGAS, A1BG-AS",
"KTN1-AS1")

要匹配包含“KTN1”的字符串，我正在使用：

grep("(?i)(?=.*\\bKTN1\\b)", vector, perl=T)

但这匹配“KTN1”和“KTN1-AS1”。

有没有办法可以将破折号视为一个字符，以便将“KTN1-AS1”视为一个完整的单词？

【问题讨论】：

根据您的需要两者都匹配。
您的意思是grep("(?i).*\\bKTN1[-\\w]*\\b", vector, perl=T) 或grep("(?i).*\\bKTN1[-\\w]*\\b", vector, perl=T, value=T)？
我怎么能只匹配“KTN1”？

标签： regex r

【解决方案1】：

要匹配向量元素中的特定单词，您需要使用诸如 regmatches 、 str_extract_all （来自 stringr 包）之类的函数，而不是 grep，因为 grep 只会返回找到匹配项的元素索引。

> vector<-c(    
+     "ARNT",
+     "ACF, ASP, ACF64",
+     "BID",
+     "KTN1, KTN",
+     "NCRNA00181, A1BGAS, A1BG-AS",
+     "KTN1-AS1")
> regmatches(vector, regexpr("(?i)\\bKTN1[-\\w]*\\b", vector, perl=T))
[1] "KTN1"     "KTN1-AS1"

或

> library(stringr)
> unlist(str_extract_all(vector[grep("(?i)\\bKTN1[-\\w]*\\b", vector)], perl("(?i).*\\bKTN1[-\\w]*\\b")))
[1] "KTN1"     "KTN1-AS1"

更新：

> grep("\\bKTN1(?=$|,)", vector, perl=T, value=T)
[1] "KTN1, KTN"

返回包含字符串KTN1 后跟逗号或行尾的元素。

或

> grep("\\bKTN1\\b(?!-)", vector, perl=T, value=T)
[1] "KTN1, KTN"

返回包含字符串KTN1 后面没有连字符的元素。

【讨论】：

我实际上只是想要返回字符串“KTN1, KTN”。我感兴趣的是包含“KTN1”和“KTN1-AS1”的字符串应该被视为不同的单词，因此不匹配。
完美！谢谢！我使用 grep 的原因是因为这个“向量”是数据框的一列，我想选择与该词匹配的行。

【解决方案2】：

我会保持简单并创建一个DIY 边界。

grep('(^|[^-\\w])KTN1([^-\\w]|$)', vector, ignore.case = TRUE)

我们使用捕获组来定义边界。我们匹配一个不是连字符或单词字符的字符——字符串的开头或结尾，这更接近\b 边界的意图。

【讨论】：

谢谢！这也很有效，而且解释很有帮助！
我不确定我是否可以在这里问这个问题，但是如果我也不想在单词前加上连字符怎么办？说，如果我有一个匹配的单词 A-KTN1。我尝试将 ([^-\\w]) 放在第一个 \\b 的位置，但它在那里不起作用。
@user4451922 试试grep("(?<!-)\\bKTN1\\b(?!-)", vector, perl=T, value=T)
太棒了！再次感谢您！