在 R 中查找允许最多 n 个单词分离的单词匹配答案

【问题标题】：Find word match allowing up to n words separation in R在 R 中查找允许最多 n 个单词分离的单词匹配
【发布时间】：2018-03-05 16:52:54
【问题描述】：

希望在 word2 之前匹配 word1，在 word1 和 word2 之间最多允许 5 个单词分隔。例如，如果 word1 是苹果，word2 是芒果，那么模式应该匹配 'apple is a fruit like mango' 但不匹配 'mango is a fruit like apple'（word2 在 word1 之前）或 'apple and orange are fruits, like mango '（超过 5 个字）。 python 中的示例正则表达式是\b(?:word1\W+(?:\w+\W+){0,5}?word2|word2\W+(?:\w+\W+){0,5}?word1)\b。在 R 中识别这种模式的类似模式和函数是什么？

【问题讨论】：

标签： r regex

【解决方案1】：

#DATA
word1 = "apple"
word2 = "mango"
p1 = "apple is a fruit like mango"
p2 = "apple and orange are fruits, like mango"
p3 = "mango is a fruit like apple"

#FUNCTION
foo = function(word1, word2, string){
    ind2 = unlist(gregexpr(word2, string))[1]
    ind1 = unlist(gregexpr(word1, string))[1] 
    nwords = length(unlist(gregexpr(" ", substr(string, ind1, ind2))))
    if(ind2 > ind1 & nwords <= 5){
        substr(string, ind1, ind2 + nchar(word2))
    }else{
        NA
    }
}

#USAGE
foo(word1, word2, p1)
#[1] "apple is a fruit like mango"

foo(word1, word2, p2)
#[1] NA

foo(word1, word2, p3)
#[1] NA

【讨论】：

谢谢！这有助于查看底层代码结构。

【解决方案2】：

这个有效。将第一个单词计数为 apple，此正则表达式搜索接下来的 4 个，如果在定义的字数限制内找到 mango，则匹配。

library(stringr)
> stri <- c('apple is a fruit like mango','apple and orange are fruits, like mango','apple is not a fruit like orange or mango')
> stri_extract_all(str = stri, regex = 'apple(\\s\\w+){1,4}?.mango')

[[1]]
[1] "apple is a fruit like mango"

[[2]]
[1] NA

[[3]]
[1] NA

【讨论】：