ř匹配整個單詞

Question

我有一個字符向量

var1 <- c("pine tree", "forest", "fruits", "water") 

和列表

var2 <- list(c("tree", "house", "star"), c("house", "tree", "pine tree", "tree pine", "dense forest"), c("apple", "orange", "grapes")) 

我想與在VAR2字匹配VAR1詞語，並提取最大匹配元件在VAR2。例如，

[[1]] 
[1] "tree" "house" "star" 

具有1場VAR1

[[2]] 
[1] "house"  "tree"   "pine tree" "tree pine" "dense forest" 

已經4場VAR1比賽

[[3]] 
[1] "apple" "orange" "grapes" 

已經0匹配VAR1

和期望的輸出是下面的：

[[2]] 
[1] "house"  "tree"   "pine tree" "tree pine" "dense forest" 

我試圖

sapply(var1, grep, var2, ignore.case=T, value=T) 

沒有得到所期望的輸出。

如何解決？代碼片段將不勝感激。 謝謝。

Answer 1

我們爲grepl創建一個模式字符串（'pat'），首先將'var1'分開空間'\\s+'。輸出將是一個列表。我們使用sapply來遍歷列表，使用paste和collapse= '|'，然後將整個向量摺疊爲一個字符串，並與另一個paste一起使用。 |充當OR，同時使用v1中的grepl作爲模式。 sum矢量（'v1'）將用於根據問題中描述的條件對list'var2'進行子集化。

pat <- paste(sapply(strsplit(var1, '\\s+'), function(x) 
    paste(unique(c(x, paste(x, collapse=' '))), collapse='|')), 
    collapse='|') 
v1 <- sapply(var2, function(x) sum(grepl(pat, x))) 
v1 
#[1] 1 4 0 
var2[which.max(v1)] 
#[[1]] 
#[1] "house"  "tree"   "pine tree" "tree pine" "dense forest"