匹配多个模式

Question

我想看看，如果"001"或"100"或"000"出现在0和1的4个字符的字符串中。 例如，一个 4 个字符的字符串可能类似于"1100"或"0010"或"1001"或"1111" 。 如何使用单个命令匹配字符串中的多个字符串？

我知道 grep 可用于模式匹配，但使用 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。

Answer 1

是的你可以。 的| 在grep模式中与or具有相同的含义。 因此，您可以使用"001|100|000"作为您的模式来测试您的模式。 同时， grep是矢量化的，因此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

这将返回您的哪些向量包含匹配模式的索引（在本例中为前三个。）

有时，有一个逻辑向量会更方便，告诉您向量中的哪些元素是匹配的。 然后你可以使用grepl ：

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

请参阅?regex以获取有关 R ?regex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 = "|")

Answer 2

这是使用stringr包的一种解决方案

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

Answer 3

使用 -e 参数添加其他模式：

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

Answer 4

如果你想要逻辑向量，那么你应该检查stringi包中的stri_detect函数。 在你的情况下，模式是正则表达式，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

Answer 5

很抱歉将其作为附加答案，但评论的行太多了。

我只是想提醒一下，可以通过paste(..., collapse = "|")粘贴在一起以用作单个匹配模式的项目数量是有限的 - 见下文。 也许有人能说出极限在哪里？ 诚然，这个数字可能不切实际，但根据要执行的任务，不应将其完全排除在我们的考虑之外。

对于非常多的项目，需要一个循环来检查模式的每个项目。

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)

Answer 6

您还可以使用data.table库中的%like%运算符。

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