R中的正则表达式：解开类似的可能性答案

【问题标题】：Regular Expression in R: disentangling similar possibilitiesR中的正则表达式：解开类似的可能性
【发布时间】：2015-01-30 13:07:05
【问题描述】：

我有一个看起来像这样的名字列表

Noms<- c("André Coin", "XXXAndré Coin", "Gabriel Péri","Léon Blum", "XXXLéon Blum")

我正在尝试创建一个函数，每次在很长的文本中找到这些名称中的每一个时，在以“M”或“Mme”开头的行的开头。

我的文本是一个向量，其中每一行都是一个元素。

所以最后会匹配像"M. André Coin said bla bla" 这样的行；但不会匹配像 "He said bla bla bla to M. André Coin" 这样的行。

最后的要求是“安德烈币”可以与“XXX安德烈币”区分开来。

我目前找到的解决方案是：

findpattern <- function(name,vect) {
    x<-paste0("^.{1,3}((M\\s*)|(Mme\\s*))*\\s*",name)
    found<-grepl(x,vect)
    return(found)
    }

但是，当我运行findpattern(Noms,txt) 时，它无法区分“André Coin”和“XXX André Coin”。意思是findpattern("André Coin", "M. XXXAndré Coin")=TRUE". 你能帮我找出我写正则表达式的错误吗？

【问题讨论】：

【解决方案1】：

您在M 之后错过了一个点，并且前 3 个字符必须是可选的（即从 0 到 3 个字符）：

"^.{0,3}((M\\.\\s*)|(Mme\\s*))*\\s*"

如果M 后面的点是可选的：

"^.{0,3}((M\\.?\\s*)|(Mme\\s*))*\\s*"

【讨论】：