在包含两个子字符串的同一文本向量中查找 R 元素[重复]答案

【问题标题】：Find in R elements in same text vector that contain two substrings [duplicate]在包含两个子字符串的同一文本向量中查找 R 元素[重复]
【发布时间】：2020-07-04 13:50:30
【问题描述】：

我有一个包含五个元素的文本向量，名为 text2。它是一个实际数据集的样本，包含 1,800 多行和多列。

我查看了 stackoverflow 中的其他代码解决方案，但找不到匹配项。

输入

text2 <- c("Ian Desmond hits an inside-the-park home run (8) on a line drive down the right-field line. Brendan Rodgers scores. Tony Wolters scores." , "Ian Desmond lines out sharply to center fielder Jason Heyward.", "Ian Desmond hits a grand slam (9) to right center field. Charlie Blackmon scores. Trevor Story scores. David Dahl scores.", "Ian Desmond homers (12) on a fly ball to center field. Daniel Murphy scores.", "Wild pitch by pitcher Jake Faria. Sam Hilliard scores.")

输出我想知道 text2 中的哪些元素同时包含“Wild pitch”和“scores”。我想要计数和元素编号。例如，在 text2 中只有一个元素（最后一个）是匹配的。因此，输出将包含计数 (1) 和元素编号 (5)。

代码已尝试 str_detect(text2, ("Wild pitch|scores"))

【问题讨论】：

标签： r string stringr

【解决方案1】：

您在正确的轨道上，但是 str_detect(text2, ("Wild pitch|scores")) 会告诉您 Wild pitch OR 分数是否包含在 text2 中。这将为您提供所需的输出：

ind <- str_detect(text2, "Wild pitch") & str_detect(text2, "scores")
count <- sum(ind)
count 
# 1
pos <- which(ind)
pos 
# 5

【讨论】：

【解决方案2】：

单行 dplyr 解决方案

require(dplyr)
require(tidyr)

text2 %>% 
  as_tibble() %>% 
  mutate(WP = str_detect(text2,"Wild pitch"),
         S = str_detect(text2,"scores")) %>% 
  summarise(count=sum(WP==T & S==T),
            position=list(which(WP==T & S==T))) %>% 
  unnest(cols=c(position))

这给出了：

# A tibble: 1 x 2
  count position
  <int>    <int>
1     1        5

【讨论】：

当我运行你的代码时，我得到了这个错误：错误 in unnest(., cols = c(position)) : could not find function "unnest"
因为它在tidyr 包中，所以我编辑了我的帖子；）
summarise(count=sum(WP==T & S==T) 中的“T”值从何而来？ WP 和 S 等于什么？
T 表示 TRUE，因此当句子中包含 "Wild pitch" 和 "scores" 时，count=sum(WP==T & S==T) 将元素数相加。

【解决方案3】：

您可以使用pattern：

pattern <- 'Wild pitch.*scores|scores.*Wild pitch'

要查找位置，您可以使用grep

grep(pattern, text2)
#[1] 5

对于计数，您可以获得grep 的length：

length(grep(pattern, text2))
#Can also use grepl with sum
#sum(grepl(pattern, text2))
#[1] 1

【讨论】：

【解决方案4】：

具有正向前瞻性的单线解决方案：

res <- c(length(grep("(?=Wild pitch).*scores", text2, perl = T)), 
         grep("(?=Wild pitch).*scores", text2, perl = T))

res
[1] 1 5

如果Wild pitch和scores的共现顺序是可变的，那么使用这个模式：

"(?=Wild pitch)*(?=scores).*"

【讨论】：