R：在字符数组中查找特定数量的字符答案

【问题标题】：R: finding specific numbers of characters in a character arrayR：在字符数组中查找特定数量的字符
【发布时间】：2012-07-27 01:19:42
【问题描述】：

我想找到名称中正好有两个 Os 的状态。我试过这个：

> data(state)
> index=grep('o.*o',state.name)
> state.name[index]
"Colorado"       "North Carolina" "North Dakota"   "South Carolina" "South Dakota"

问题：“科罗拉多”中有三个操作系统，我不想要它。如何修改我的正则表达式？

我也想做三个Os：

> data(state)  
> index=grep('o.*o.*o',state.name)  
> state.name[index]
"Colorado"

有没有更简单的方法来做到这一点？

【问题讨论】：

标签： r regex

【解决方案1】：

你可以这样做：

grep('^([^o]*o[^o]*){2}$', state.name, value = TRUE)
# [1] "North Carolina" "North Dakota"
# [3] "South Carolina" "South Dakota"

grep('^([^o]*o[^o]*){3}$', state.name, value = TRUE)
# [1] "Colorado"

并且正如 GSee 下面建议的那样，如果您想包含大写为 O 的州，如俄亥俄州、俄克拉荷马州和俄勒冈州，您可以添加 ignore.case = TRUE。

【讨论】：

我总是忘记value = TRUE。 +1
+1。正如@user1547166 指出的那样，OP 可能希望包含以大写“O”开头的状态，在这种情况下，您可以在grep 调用中使用ignore.case=TRUE。
我喜欢这很容易推广到任何数量的操作系统。 +1

【解决方案2】：

Michael 的回答肯定更有说服力，但这是蛮力方法：

state.name[sapply(strsplit(tolower(state.name), NULL), function(x) sum(x %in% "o") == 2)]

【讨论】：

【解决方案3】：

您应该确保您匹配的其他字符，除了两个匹配的 Os 之外，不是 Os：

grep("^[^o]*o[^o]*o[^o]*$", state.name, value = TRUE)

【讨论】：

【解决方案4】：

使用 ?gregexpr 的解决方案：有点难看，但可以很好地推广到其他正则表达式。（别忘了俄亥俄州的大写字母 O。）

state.name[sapply(state.name,function(x) length(unlist(gregexpr("o|O",x)))) == 2]

【讨论】：

【解决方案5】：

统计状态名称中的操作系统数。

State <- c("North Dakota","Ohio","Colorado","South Dakota")
nos <- nchar(gsub("[^oO]","",State))
State[nos==2]
State[nos==3]

【讨论】：