代码之家 › 专栏 › 技术社区 › frank

在单个字符串r中匹配多个模式[重复]

grep r

frank · 技术社区 · 6 年前

我想看看,如果 "001" 或 "100" 或 "000" 在4个字符的字符串中发生 0 和 1 . 例如,4个字符的字符串可以是 "1100" 或 "0010" 或 "1001" 或 "1111" . 如何用一个命令匹配一个字符串中的多个字符串?

我知道grep可以用于模式匹配,但是使用grep,我一次只能检查一个字符串。我想知道是否可以将多个字符串与其他命令或grep本身一起使用。

0 回复 | 直到 7 年前

zx8754 8 年前

是的,你可以。这个 | 在一个 grep 图案与 or . 所以你可以用 "001|100|000" 作为你的模式。同时, 格雷普 是矢量化的,所以所有这些都可以一步完成:

x <- c("1100", "0010", "1001", "1111")
pattern <- "001|100|000"

grep(pattern, x)
[1] 1 2 3

这将返回包含匹配模式的向量的索引(在本例中是前三个)。

有时,使用逻辑向量来告诉您向量中的哪些元素是匹配的更方便。那你就可以用 grepl :

grepl(pattern, x)
[1]  TRUE  TRUE  TRUE FALSE

见 ?regex 有关r中正则表达式的帮助。

编辑: 为了避免手动创建模式,我们可以使用 paste :

myValues <- c("001", "100", "000")
pattern <- paste(myValues, collapse = "|")

Ramnath 14 年前

下面是一个使用 stringr 包裹

require(stringr)
mylist = c("1100", "0010", "1001", "1111")
str_locate(mylist, "000|001|100")

Patrick Dignan 14 年前

使用-e参数添加其他模式:

echo '1100' | grep -e '001' -e '110' -e '101'

Manuel Bickel 7 年前

很抱歉,这是一个额外的答案,但它是太多行的评论。

我只是想提醒一下,可以通过 paste(..., collapse = "|") 作为一个单一的匹配模式是有限的-见下文。也许有人能知道极限在哪里?诚然,这个数字可能不现实,但根据要执行的任务,不应完全排除在我们的考虑之外。

对于非常多的项,需要一个循环来检查模式的每个项。

set.seed(0)
samplefun <- function(n, x, collapse){
  paste(sample(x, n, replace=TRUE), collapse=collapse)
}

words <- sapply(rpois(10000000, 8) + 1, samplefun, letters, '')
text <- sapply(rpois(1000, 5) + 1, samplefun, words, ' ')

#since execution takes a while, I have commented out the following lines

#result <- grepl(paste(words, collapse = "|"), text)

# Error in grepl(pattern, text) : 
#   invalid regular expression 
# 'wljtpgjqtnw|twiv|jphmer|mcemahvlsjxr|grehqfgldkgfu|
# ...

#result <- stringi::stri_detect_regex(text, paste(words, collapse = "|"))

# Error in stringi::stri_detect_regex(text, paste(words, collapse = "|")) : 
# Pattern exceeds limits on size or complexity. (U_REGEX_PATTERN_TOO_BIG)

rafa.pereira 8 年前

您也可以使用 %like% 接线员来自 data.table 图书馆。

library(data.table)

# input
  x <- c("1100", "0010", "1001", "1111")
  pattern <- "001|100|000"

# check for pattern
  x %like% pattern

> [1]  TRUE  TRUE  TRUE FALSE

bartektartanus 8 年前

如果你想要逻辑向量,那么你应该检查 stri_detect 功能来自 stringi 包裹。在您的例子中,模式是regex,所以使用这个:

stri_detect_regex(x, pattern)
## [1]  TRUE  TRUE  TRUE FALSE

以及一些基准:

require(microbenchmark)
test <- stri_paste(stri_rand_strings(100000, 4, "[0-1]"))
head(test)
## [1] "0001" "1111" "1101" "1101" "1110" "0110"
microbenchmark(stri_detect_regex(test, pattern), grepl(pattern, test))
Unit: milliseconds
                             expr      min       lq     mean   median       uq      max neval
 stri_detect_regex(test, pattern) 29.67405 30.30656 31.61175 30.93748 33.14948 35.90658   100
             grepl(pattern, test) 36.72723 37.71329 40.08595 40.01104 41.57586 48.63421   100