第一个单词的子串检测答案

【问题标题】：Substring detection for 1st word第一个单词的子串检测
【发布时间】：2019-04-11 23:57:29
【问题描述】：

我正在检测报告中的子字符串，然后在报告末尾添加后缀词，具体取决于子字符串是否存在。较短的单词很危险，因为它们通常是较长单词的一部分。示例：ear 和 overbearing。空格键往往是一个合理的解决方案。因此，我将使用“ear”而不是搜索子字符串“ear”。注意子字符串前面的空格。并且子字符串末尾没有空格，因为我不想错过复数 ears。问题是当整个报告中的第一个词是 Ear 时。没有前导空白。

我尝试使用库 stringr 解决问题，但在每个报告的开头添加了一个空格，但文本返回不变。

(stringr)
Data$Fail <- str_pad(Data$text, width = 1, side = "left")

【问题讨论】：

为什么不有条件地处理第一个单词的问题？
使用^(ear) 之类的东西在行首查找ear 组，感谢^。
使用正则表达式库，它会帮助你找到你想要的任何模式的文本。

标签： r regex string substring stringr

【解决方案1】：

Data$Fail <- str_pad(Data$text, width = 1, side = "left") 不起作用，因为 str_pad() 将字符串填充到固定长度，您将其指定为 width = 1，因此它只会在文本最初为空。

但如果您只想在字符串的开头插入一个空格，则不需要特殊的库 - text = paste("", text) 就可以。

【讨论】：

【解决方案2】：

Armali 已经回答了您的问题（使用paste('',text)）在耳前添加一个空格。由于您还想在句子的开头匹配耳朵，因此您可以更好地使用 HO LI Pin 指出的正则表达式。

pattern <- '(?<![A-z])[Ee]ar'

这只会匹配 E/ear 如果 not 前面有任何其他字母（因此它仍然可以前面有 _ ，( 等，但从不清楚您的问题是否允许。然后您可以使用基本 R 或更简单的 stringr 库使用此正则表达式模式搜索所有匹配项：

library(stringr)
pattern <- '(?<![A-z])[Ee]ar'
text = 'Ear this is some nice text as you can hear with your ear about overbearing'

unlist(str_extract_all(text, pattern, simplify = FALSE))

这会给你：

[1] "Ear" "ear"

【讨论】：