我想看看，"001" 或 "100" 或 "000" 是否出现在 0 和 1 的 4 个字符的字符串中。例如，一个 4 字符的字符串可能是 "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 可以用于模式匹配，但是使用 grep，我一次只能检查一个字符串。我想知道多个字符串是否可以与其他命令或 grep 本身一起使用。
【问题讨论】：
很抱歉将其作为附加答案，但评论的行数过多。
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。也许有人可以告诉确切的限制在哪里？诚然，这个数字可能不现实，但根据要执行的任务，它不应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)
【讨论】：
是的，你可以。 grep 模式中的| 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被向量化了，所以这一切都可以一步完成：
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，它可以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
有关 R 中的正则表达式的帮助，请参阅 ?regex。
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 = "|")
【讨论】：
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
还有一些基准测试：
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
【讨论】：
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
【讨论】：
%like% 只是grepl 的包装，请检查?%like% "Arguments: ... pattern Passed on to grepl."。至少达到data.table 1.10.4-2 版。
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")
【讨论】：
使用 -e 参数添加其他模式：
echo '1100' | grep -e '001' -e '110' -e '101'
【讨论】：