任何方式都需要两个匹配而不是一个匹配 TRUE 与 grepl？答案

【问题标题】：Any way to require two matches instead of just one for TRUE with grepl?任何方式都需要两个匹配而不是一个匹配 TRUE 与 grepl？
【发布时间】：2016-03-31 03:33:16
【问题描述】：

我正在尝试使用 grepl 检测术语，但误报过多。我希望可能有一种方法可以要求列表中任何术语的两次成功匹配（我对我的一段数据进行手动编码，并试图让自动化至少大致对应于此，但我有大约 5 个是我手动编码的两倍）。我没有看到 grepl 接受任何需要多个匹配项才能触发 TRUE 的参数。有没有办法要求两个匹配来触发 TRUE 发现？还是我应该使用其他一些功能？

GenericColumn <- cbind(grepl(Genericpattern, Statement$Statement.Text, ignore.case = TRUE))

编辑：

这是一个更具体的例子：

Examplepattern <- 'apple|orange'
ExampleColumn <- cbind(grepl(Examplepattern, Rexample$Statement.Text, ignore.case = TRUE))

现在，所有这些都将通过 grepl 触发。我只希望有两个引用的项目触发 true。

示例数据：

Rexample <- structure(list(Statement.Text = structure(c(2L, 1L, 3L, 5L, 4L
), .Label = c("This apple is a test about an apple.", "This is a test about apples.", 
"This orange is a test about apples.", "This orange is a test about oranges.", 
"This orange is a test."), class = "factor")), .Names = "Statement.Text", row.names = c(NA, 
5L), class = "data.frame")

所需的输出：真、假、真、真、假

【问题讨论】：

我不确定最好的具体示例是什么 - 实际代码中没有大量信息。我有一个模式：code Genericpattern
请参阅how to write a great reproducible R example，以便我们为您提供帮助。确实，您可能应该使用 HTML 解析器进行解析，而不是正则表达式。 rvest::html_nodes 应该可以解决问题，搭配 CSS 或 XPath 选择器。
我已经将数据保存在 csv 中，所以它已经从网站上移到了一个可操作的文件中——我现在只是想匹配术语两次而不是一次。我将按照该链接查看是否可以提出一个可重现的示例，尽管这与其说是错误问题，不如说是功能问题。
@alistaire 我在编辑的初始帖子中添加了一个具体示例（我认为）。

标签： regex r grepl

【解决方案1】：

你可以用花括号指定你想要在正则表达式中重复多少次，比如{2}（正好是它前面的两倍）、{2,5}（2-5 次）或{2,}（2 个或更多次）。但是，您需要允许您想要匹配的单词之间存在单词，因此您需要使用 * 量化的通配符 .（0 次或更多次）。

因此，如果您希望apple 或orange 匹配两次（包括apple 和orange，反之亦然），您可以使用

grepl('(apple.*|orange.*){2}', Rexample$Statement.Text, ignore.case = TRUE)
# [1] FALSE  TRUE  TRUE FALSE  TRUE

如果您希望apple 重复两次或orange 重复两次（但不是apple 一次和orange 一次），请分别量化：

grepl('(apple.*){2,}|(orange.*){2}', Rexample$Statement.Text, ignore.case = TRUE)
# [1] FALSE  TRUE FALSE FALSE  TRUE

【讨论】：

不错的解决方案。看起来我们对期望的输出有不同的解释。请注意，您可以使用{2}，因为即使“apple”出现超过 2 次，您仍然会得到TRUE。
是的，实际上我已经安排它以匹配另一种方式并切换它。您对{2,} 和grepl 的看法是正确的；我猜grepl 的上限是没用的。
有没有办法在其中放置一个 {2} 来覆盖整个列表？例如，如果任何一个术语出现两次对我来说并不重要，但如果总和只是两个呢？
@Matthew 请提供您想要的输出。也许 alistaire 可以使用这样的东西"(?:(?:apple|orange).*){2}" 第三个字符串应该返回 TRUE 还是 FALSE？
更新了两者的选项，但 Jota 是对的，你应该在问题中指定你想要的输出。

【解决方案2】：

您可以尝试再次明确查找模式的正则表达式，例如 (?:apple|orange).*(?:apple|orange)

(pattern <- paste0("(?:", Examplepattern, ")", ".*", "(?:", Examplepattern, ")"))
#[1] "(?:apple|orange).*(?:apple|orange)"


grepl(pattern, Rexample$Statement.Text, ignore.case = TRUE, perl = TRUE)
#[1] FALSE  TRUE  TRUE FALSE  TRUE

【讨论】：