[英]R regex: grep excluding hyphen/dash as boundary
我试图在一个带有变量字符串的向量中匹配一个确切的单词。 为此,我使用边界。 但是,我想连字符/破折号不被视为单词边界。 这是一个例子:
vector<-c(
"ARNT",
"ACF, ASP, ACF64",
"BID",
"KTN1, KTN",
"NCRNA00181, A1BGAS, A1BG-AS",
"KTN1-AS1")
要匹配包含“KTN1”的字符串,我正在使用:
grep("(?i)(?=.*\\bKTN1\\b)", vector, perl=T)
但这匹配“KTN1”和“KTN1-AS1”。
有没有办法可以将短划线视为一个角色,以便“KTN1-AS1”被认为是一个完整的单词?
要匹配vector元素中的特定单词,需要使用regmatches
, str_extract_all
(来自stringr包)等函数而不是grep,因为grep只返回找到匹配项的元素索引。
> vector<-c(
+ "ARNT",
+ "ACF, ASP, ACF64",
+ "BID",
+ "KTN1, KTN",
+ "NCRNA00181, A1BGAS, A1BG-AS",
+ "KTN1-AS1")
> regmatches(vector, regexpr("(?i)\\bKTN1[-\\w]*\\b", vector, perl=T))
[1] "KTN1" "KTN1-AS1"
要么
> library(stringr)
> unlist(str_extract_all(vector[grep("(?i)\\bKTN1[-\\w]*\\b", vector)], perl("(?i).*\\bKTN1[-\\w]*\\b")))
[1] "KTN1" "KTN1-AS1"
更新:
> grep("\\bKTN1(?=$|,)", vector, perl=T, value=T)
[1] "KTN1, KTN"
返回包含字符串KTN1
后跟逗号或行尾的元素。
要么
> grep("\\bKTN1\\b(?!-)", vector, perl=T, value=T)
[1] "KTN1, KTN"
返回包含字符串KTN1
后面没有连字符的元素。
我会保持这个简单并创建一个DIY边界。
grep('(^|[^-\\w])KTN1([^-\\w]|$)', vector, ignore.case = TRUE)
我们使用捕获组来定义边界。 我们匹配一个不是连字符或单词字符的字符 - 字符串的开头或结尾,它更接近\\b
边界的意图。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.