在R中匹配并替换字符串中拼写错误的单词

也许您需要执行渐进式替换。e、 g.您应该有多套 badwords 和 goodwords . 首次替换为 坏话 有更多的字母,这样匹配的模式就找不到了,然后再去找更小的。

根据您提供的列表,我将创建两个集,如下所示:

goodwords1<-c( "three", "teasing") 
badwords1<- c("thre", "teeasing") 

goodwords2<-c("tree", "testing") 
badwords2<- c("tre", "tesing") 

首先更换第一套,然后更换第二套。您可以创建许多这样的集合。

str_replace_all 将regex作为模式,因此您可以 paste0 单词边界 \\b 围绕每个 badwords 因此,只有当整个单词匹配时,才会进行替换:

library(stringr)
string <- c("tre", "tree", "teeasing", "tesing") 
goodwords <- c("tree", "three", "teasing", "testing") 
badwords <- c("tre", "thre", "teeasing", "tesing") 

# Paste word boundaries around badwords
badwords <- paste0("\\b", badwords, "\\b")

vect.corpus <- goodwords 
names(vect.corpus) <- badwords 

str_replace_all(string, vect.corpus) 
[1] "tree"    "tree"    "teasing" "testing"

这样做的好处是,您不必跟踪哪些字符串是较长的字符串。

这是什么 坏话 粘贴后看起来像:

> badwords
[1] "\\btre\\b"      "\\bthre\\b"     "\\bteeasing\\b" "\\btesing\\b"