计算一个列表中出现在字符串中的单词数答案

【问题标题】：Count number of words in one list that appear in a string计算一个列表中出现在字符串中的单词数
【发布时间】：2015-01-23 12:51:07
【问题描述】：

我在字符向量中有一组独特的单词（已被“提取”），我想知道其中有多少出现在字符串中。

这是我目前所拥有的：

library(RTextTools)

string <- "Players Information donation link controller support years fame glory addition champion Steer leader gang ghosts life Power Pellets tables gobble ghost"
wordstofind <- c("player","fame","field","donat")

# I created a stemmed list of the string
string.stem <- colnames(create_matrix(string, stemWords = T, removeStopwords = F))

我知道下一步可能涉及grepl("\\bword\\b,value") 或一些正则表达式的使用，但我不确定在这种情况下最快的选项是什么。

这是我的标准：

我必须这样做很多次，所以尽可能快是一个问题。
它应该匹配整个单词（“es”不应该匹配“test”）。

任何朝着正确方向的推动都会很棒。

【问题讨论】：

标签： regex r string grepl

【解决方案1】：

嗯，我从不使用庞大的数据集，所以时间从来都不是最重要的，但鉴于您提供的数据，这将让您计算出有多少词完全匹配细绳。可能是一个很好的起点。

sum(wordstofind %in% unlist(strsplit(string, " ")))

> sum(wordstofind %in% unlist(strsplit(string, " ")))
[1] 1

编辑感谢@Anthony Bissel：

sum(wordstofind %in% unlist(string.stem))

> sum(wordstofind %in% unlist(string.stem))
[1] 3

【讨论】：

结果实际上应该是 3，所以这不起作用，但可能只是您使用了 string 而不是词干向量。
你是怎么得到 3 的？在提供的示例中，唯一的完全匹配和全词匹配是名声。
抱歉，我在解释中并不清楚我将要比较的字符串放在哪里。 sum(wordstofind %in% unlist(string.stem)) 这行得通，看起来你的解决方案比我的要快。请参阅下面的答案。
啊，我想我错过了获取茎的部分。哎呀。好吧，我很高兴它仍然有效。感谢您注意到这一点。

【解决方案2】：

看看 Hadley Wickham 的 stringr。您可能正在寻找函数str_count。

【讨论】：

【解决方案3】：

当然可能有更快的选择，但这可行：

length(wordstofind) - length(setdiff(wordstofind, string.stem)) # 3

但看起来 Andrew Taylor 的回答更快：

`microbenchmark(sum(wordstofind %in% unlist(string.stem)), length(wordstofind) - length(setdiff(wordstofind, string.stem)))
Unit: microseconds
                                                        expr    min     lq     mean median     uq    max neval
                   sum(wordstofind %in% unlist(string.stem))  4.016  4.909  6.55562  5.355  5.801 37.485   100
length(wordstofind) - length(setdiff(wordstofind, string.stem)) 16.511 16.958 21.85303 17.404 18.296 81.218   100`

【讨论】：