在 R 中，如何将包含特定模式的字符串替换为另一个字符串？答案

【问题标题】：In R, how do I replace a string that contains a certain pattern with another string?在 R 中，如何将包含特定模式的字符串替换为另一个字符串？
【发布时间】：2011-07-15 05:33:40
【问题描述】：

我正在开展一个项目，该项目涉及清理大学专业数据列表。我发现很多拼写错误，所以我想使用函数gsub() 用正确的拼写替换拼写错误的。例如，假设“biolgy”在名为 Major 的专业列表中拼写错误。如何让 R 检测拼写错误并将其替换为正确的拼写？我试过gsub('biol', 'Biology', Major)，但这只替换了'biolgy'中的前四个字母。如果我这样做gsub('biolgy', 'Biology', Major)，它仅适用于这种情况，但不会检测到“biology”的其他形式的拼写错误。

谢谢！

【问题讨论】：

标签： string r expression gsub

【解决方案1】：

您应该定义一些漂亮的正则表达式，或者使用来自base 包的agrep。 stringr 包是另一种选择，我知道人们使用它，但我非常喜欢正则表达式，所以对我来说这是一个禁忌。

无论如何，agrep 应该可以解决问题：

agrep("biol", "biology")
[1] 1
agrep("biolgy", "biology")
[1] 1

编辑：

您也应该使用ignore.case = TRUE，但要准备好“手工”记账...

【讨论】：

感谢您的回复，我刚才玩了agrep。我发现它只是返回一个整数（我猜它对应于更改的字符串数），但它实际上是否执行更改？例如，假设我有动物 = c("mouse", "dog", "cat")。如果我想用“奶酪”代替鼠标，那么我可以使用 agrep(“mou”、“奶酪”、动物)吗？当我这样做时，它返回一个整数（0）。谢谢！！
agrep 返回向量索引，因此您可以使用下标轻松分配值：animals[agrep("mou", animals)] <- "cheese"
使用 value = TRUE 返回近似匹配，而不仅仅是索引。

【解决方案2】：

您可以设置所有可能的拼写错误的向量，然后对 gsub 调用执行循环。比如：

biologySp = c("biolgy","biologee","bologee","bugs")

for(sp in biologySp){
  Major = gsub(sp,"Biology",Major)
}

如果你想做一些更聪明的事情，看看 CRAN 上是否有任何模糊匹配包，或者使用 'soundex' 匹配的东西......

维基百科页面大约在。字符串匹配可能很有用，并尝试在 R-help 中搜索一些关键术语。

http://en.wikipedia.org/wiki/Approximate_string_matching

【讨论】：

base 包中已经存在模糊匹配：agrep 函数可以做到这一点。请参阅下面的答案。

【解决方案3】：

您可以首先将专业与可用专业列表进行匹配，任何不匹配的都可能是拼写错误。然后使用 agrep 函数再次将这些与已知专业进行匹配（agrep 进行近似匹配，因此如果它与正确的值相似，那么您将得到匹配）。

【讨论】：

对于剩下的专业，类似replace(remainingMajor,agrep("biology",remainingMajor),"biology") 应该这样做。
（但之前请检查 remainingMajor[agrep("biology",remainingMajor)] 以查看您将要替换的内容）

【解决方案4】：

vwr 包有字符串匹配的方法：

http://ftp.heanet.ie/mirrors/cran.r-project.org/web/packages/vwr/index.html

所以您最好的选择可能是使用与可能的主题字符串之间的 Levenshtein 距离最小的字符串：

> levenshtein.distance("physcs",c("biology","physics","geography"))
  biology   physics geography 
        7         1         9

如果你得到相同的最小值然后掷硬币：

> levenshtein.distance("biolsics",c("biology","physics","geography"))
  biology   physics geography 
        4         4         8

【讨论】：

【解决方案5】：

示例 1a) perl/linux 正则表达式：'s/oldstring/newstring/'

示例 1b) R 等效于 1a：srcstring=sub(oldstring, newstring, srcstring)

示例 2a) perl/linux 正则表达式：'s/oldstring//'

示例 2b) R 等效于 2a：srcstring=sub(oldstring, "", srcstring)

【讨论】：