使用grepl从模式列表中查找匹配的模式

Question

我使用grepl检查一个字符串是否包含一组模式中的任何模式（我使用'|'来分隔模式）。 反向搜索没有帮助。 如何识别匹配的模式集？

附加信息：这可以通过编写循环来解决，但由于我的集合具有> 100,000个字符串，因此非常耗时。 可以优化吗？

例如：让字符串为a <- "Hello"

pattern <- c("ll", "lo", "hl")

pattern1 <- paste(pattern, collapse="|") # "ll|lo|hl"

grepl(a, pattern=pattern1) # returns TRUE

grepl(pattern, pattern=a) # returns FALSE 'n' times - n is 3 here

Answer 1

您正在寻找str_detect从包stringr ：

library(stringr)

str_detect(a, pattern)
#[1]  TRUE  TRUE FALSE

如果您有多个字符串，如a = c('hello','hola','plouf')您可以执行以下操作：

lapply(a, function(u) pattern[str_detect(u, pattern)])

Answer 2

您也可以使用带有超前表达式的基本R (?=) ，因为模式重叠。 使用gregexpr您可以将每个分组模式的匹配位置提取为矩阵。

## changed your string so the second pattern matches twice
a <- "Hellolo"
pattern <- c("ll", "lo", "hl")
pattern1 <- sprintf("(?=(%s))", paste(pattern, collapse=")|(")) #  "(?=(ll)|(lo)|(hl))"

attr(gregexpr(pattern1, a, perl=T)[[1]], "capture.start")
# [1,] 3 0 0
# [2,] 0 4 0
# [3,] 0 6 0

矩阵的每列对应于图案，因此图案2匹配测试串中的位置4和6，图案1匹配位置3，依此类推。