R grep用特殊字符分隔的整個單詞

Question

假設有一個形式爲"foo"或"foo|baz|bar"（單個單詞或多個單詞用"|"之類的特殊字符分隔的單詞）的向量，我們也給出了一個單詞，我們希望找到它向量中的哪個項目有全字匹配。

例如字"foo"具有"foo|baz|bar"一個整體匹配，而不是在任一"foobaz|bar"或"bazfoo"一個整體匹配。

首先，我試圖用"\\b"指示開始或整個單詞的末尾邊緣和它的作品成功：

grep("\\bfoo\\b", "foo")   # match 
grep("\\bfoo\\b", "foobaz|bar") # mismatch  
grep("\\bfoo\\b", "bazfoo")  # mismatch 

然後我試圖添加"|"爲兩端的其他可能的分離器，與"\\b"組使用它和[]：

grep("[|\\b]foo[|\\b]", "foo|baz|bar") # mismatch! 
grep("[|\\b]foo[|\\b]", "foo")   # mismatch! 

後來我發現\\b不是小號指標撻或結尾的字符串，但是整個單詞的開頭或結尾（如太多字符像空格和,|-^.但是不是數字和下劃線_分開的整個單詞）。因此"[|\\b]foo[|\\b]"與所有這些字符串匹配："foo", "foo|bar|baz", "foo-bar", "baz foo|bar"但不匹配到"foo_bar"或"foo2"。

但我的問題仍然存在：爲什麼"[|\\b]foo[|\\b]"模式不能與"foo"匹配？

Answer 1

\ b會與以下位置

1. 在字符串中的第一個字符之前，如果第一個字符是單詞字符。
2. 在字符串中的最後一個字符後面，如果最後一個字符是單詞字符。
3. 字符串中的兩個字符之間，其中一個是單詞字符，另一個不是單詞字符。（字符字符是a-zA-Z1-9_）

由於|代表正則表達式中的交替操作符，你將不得不逃脫它。

所以正則表達式\bfoo\b匹配foofoo|bar，因爲|是一個非單詞字符。沒有必要使用字符集[\b\|]

編輯：由於在字符集內的\ b指出的flodel表示退格字符。所以它會匹配|在[\ b \ |]裏面，而不是字邊界。

Answer 2

你可以使用strplit：

> "foo" %in% unlist(strsplit("foo|baz|bar", split = "|", fixed = TRUE)) 
[1] TRUE 

，你可以向量化：

> z <- c("foo|baz|bar", "foobaz|bar", "bazfoo") 
> x <- c("foo", "foot") 
> sapply(strsplit(z, split = "|", fixed = TRUE), function(x,y)y %in% x, x) 
     [,1] [,2] [,3] 
[1,] TRUE FALSE FALSE 
[2,] FALSE FALSE FALSE 

Answer 3

由於|正則表達式中具有特殊的意義，你需要逃避它，即使用\\|：

ptn <- "\\bfoo[\\|\\b]" 

grep(ptn, "foo|baz|bar") 
[1] 1 

grep(ptn, "foo")   
integer(0) 

Answer 4

這也可以工作：

gregexpr("foo|", "foo|baz|bar", fixed = TRUE)[[c(1, 1)]] > 0 
gregexpr("foo|", "foobaz|bar", fixed = TRUE)[[c(1, 1)]] > 0  
gregexpr("foo|", "bazfoo", fixed = TRUE)[[c(1, 1)]] > 0 

這種方法是在不同的你可以利用你提供gregexpr間距選項找到由兩個單詞：

gregexpr("foo|", "baz foo|", fixed = TRUE)[[c(1, 1)]] > 0 
gregexpr(" foo|", "baz foo|", fixed = TRUE)[[c(1, 1)]] > 0