如果两个关键字相隔 0 到 3 个单词，则查找它们

Question

我想识别具有两个关键字的字符串，它们之间有 0 到 3 个单词。在大多数情况下我的工作：

strings <- c(
  "Today is my birthday",
  "Today is not yet my birthday",
  "Today birthday",
  "Today maybe?",
  "Today: birthday"
)


grepl("Today(\\s\\w+){0,3}\\sbirthday", strings, ignore.case = TRUE)
#> [1]  TRUE FALSE  TRUE FALSE FALSE

^{由reprex package (v2.0.1) 于 2021 年 11 月 24 日创建}

我的问题是字符串"Today: birthday"。问题是一个词被定义为(\\s\\w+)，没有让句子包含任何标点符号的选项。如何更好地为 word 定义正则表达式，以便不排除标点符号（最好忽略它）。

Answer 1

你可以使用

> grepl("Today(\\W+\\w+){0,3}\\W+birthday", strings, ignore.case = TRUE)
[1]  TRUE FALSE  TRUE FALSE  TRUE

另外，考虑使用单词边界、非捕获组和更稳定的 PCRE 正则表达式引擎：

grepl("\\bToday(?:\\W+\\w+){0,3}\\W+birthday\\b", strings, ignore.case = TRUE, perl=TRUE)

(?:\W+\w+){0,3}\W+ 部分匹配零到三个出现的一个或多个非单词字符 (\W+)，然后是一个或多个单词字符 (\w+)，然后是一个或多个非单词字符。