如何使用 R 使用通配符识别字符串？答案

【问题标题】：How do I identify a string using a wildcard using R?如何使用 R 使用通配符识别字符串？
【发布时间】：2018-05-21 22:15:51
【问题描述】：

我想计算一些在字符串后包含数字“0”的单词的持续时间，如图所示（我在带有我想要使用的字符的单词下方插入了一个红点）。有没有类似通配符的东西，所以我只能使用包含这个字符串的单词？

[图片]

【问题讨论】：

马特，欢迎来到 SO！如果您发布可用数据而不仅仅是它的图像，这将非常有帮助。这并不意味着您不能包含图像（出于演示目的，正如您所做的那样），但是当我们只是突出显示、复制、粘贴和播放具有代表性的样本时，这对我们来说会更容易一些。第二，你的描述不清楚； "0" 在字符串之后 很好，但是什么字符串呢？第三，你试过什么？这可能非常适合正则表达式，但如果您展示您的努力程度，它会有所帮助。（这不是写我的代码服务。）谢谢！
一些关于如何提出一个很好的可重现问题的参考资料：stackoverflow.com/questions/5963269/… 和 stackoverflow.com/help/mcve。

标签： r string wildcard

【解决方案1】：

如果filename 不应该是匹配的一部分，可以利用filename 列来避免正则表达式匹配：

library(dplyr)
library(purrr)

df %>%
  mutate(no_filename = map2_chr(filename, text, ~gsub(.x, '', .y))) %>%
  filter(grepl("^0", no_filename)) %>%
  select(-no_filename)

结果：

  filename      text     value
1       S2  S20XXXXX 0.2065314
2       S3  S30XXXXX 0.8146400
3       S4  S40XXXXX 0.8123895
4       S6  S60XXXXX 0.1111354
5       S7  S70XXXXX 0.1028646
6       S9  S90XXXXX 0.1306957
7       S9  S90XXXXX 0.3203732
8      S10 S100XXXXX 0.1876911

注意：

注意S100XXXXX 匹配，但S101XXXXX 不匹配

数据：

library(dplyr)
df = data.frame(filename = rep(paste0('S', 1:10), each = 5))
set.seed(123)
df = df %>%
  mutate(text = paste0(filename, sample(c(0:5), 50, replace = TRUE), 
                     paste(rep('X', 5), collapse = "")),
         value = runif(50))

【讨论】：

很好的解决方案 - 完全按照要求执行。唯一的问题是 OP 的数据——我可能比这里使用的模拟数据更细微——投了赞成票！

【解决方案2】：

用途：

grep('0',resultado2$TextGridLabel)

查找带有 0 的行。如果您想查看由搜索参数子集的整个数据集，只需使用括号：

resultado2[grep('0',resultado2$TextGridLabel),]

【讨论】：

如果TextGridLabel 中有S10XXXXXXX，这将无法正常工作

【解决方案3】：

您应该阅读 ?regex 返回的帮助。它将为您提供在 R 中使用正则表达式的摘要。它还将向您介绍可以使用正则表达式的各种函数。

例如，如果您上面的数据在数据框中，则 df:

grep(x=df$TextGridLabel, pattern="^.*0.+$")

将返回以任何内容开头的所有值的索引，包含 0 并且在 0 之后至少有一个字符。

干杯！

【讨论】：

如果TextGridLabel 中有S10XXXXXXX，这将无法正常工作
@user 我不是使用正则表达式的专家...但我无法重现您的主张。以下是我尝试查看会发生什么时得到的结果：> a <-c("S10XXXXXXXX","D10W","D111America")> grep(a,pattern="^.*0.+$")[1] 1 2... 这是我所期望的，我相信所要求的。
我想既然 OP 的问题并不完全清楚，对他真正想要的东西有不同的解释。我认为"S10XXXXXXXX" 不应该匹配，因为S10 之后没有0，其中S10 是一个文件名。如果S10 不是 OP 在“字符串后的数字“0””中引用的字符串，那么我同意您的解决方案按预期工作，但我们在 OP 澄清之前无法确定。
@user 啊，是的，你当然是对的。如果字符串没有有助于识别子字符串的结构，或者至少没有您指出的更清晰的问题/要求集，那么这一切都会变得非常棘手。 Matt Addison - 如果 userR 的解释是正确的，我们必须知道起始子字符串是否总是以 S\d{3} 开头，或者它是否可以变化以及如何正确识别它，然后才能在起始子字符串中排除 0。跨度>

【解决方案4】：

下面的代码确实有效，基本上就是我需要的。

resultado2[grep('0',resultado2$TextGridLabel),]

但是，我想避免在TextGridLabel 中使用诸如S10XXXXXXX 之类的数据。我刚刚编辑了原始帖子，以便新图片更好地说明我想要考虑的内容。

【讨论】：