如果子字符串在另一个向量中有完全匹配，则提取子字符串答案

【问题标题】：Extract a substring if it has an exact match in another vector如果子字符串在另一个向量中有完全匹配，则提取子字符串
【发布时间】：2015-01-30 19:54:34
【问题描述】：

更新：这个问题的第一个版本隐含地询问如果子字符串在另一个向量中有 ANY 匹配，如何提取子字符串，例如@Colonel Beauvel 给出了优雅的回应：

这就是诀窍，基础R：

newname = sapply(nametitle, function(u){
    bool = sapply(name, function(x) grepl(x, u))
    if(any(bool)) name[bool][1] else NA })

newname 
John Smith, MD PhD       Jane Doe, JD 
            "John"             "Jane"

但是，我没有意识到我实际上是在寻找一种方法来找到 exact 匹配项，直到好心贡献的函数不适用于我的向量中的所有元素。因此，以下是我修改后的问题。

假设我有以下通用名称及其学位的字符向量：

nametitle <- c("John Smith, MD PhD", "Jane Doe, JD", "John-Paul Jones, MS")

我有一个名字的“查找”向量：

name <- c("John", "Jane", "Mark", "Steve")

我要做的是搜索nametitle的每个元素，如果元素的一部分（即每个字符串的子字符串）与name中的元素完全匹配，那么在一个新的向量@ 987654327@，将nametitle的那个元素写成name的对应元素，或者如果没有完全匹配，写出nametitle的原始值。

因此，我希望正确的功能是返回 newname 并包含以下三个元素：

[1] "John" [2] "Jane" [3] "John-Paul Jones, MS"

我使用上面提供的函数尝试了以下操作：

newname = sapply(nametitle, function(u){
  bool = sapply(name, function(x) grepl(x, u))
  if(any(bool)) name[bool][1] else NA })

这对于元素"John Smith, MD Phd" 和"Jane Doe, JD" 执行得很好，但对于"John-Paul Jones, MS" 则不行——这个元素在新向量newname 中被"John" 替换。

可以对@Colonel Beauvel 提供的原始函数进行简单的更改以解决此问题，但使用嵌套的sapply 函数会让我陷入循环（双关语？）。谢谢。

【问题讨论】：

您能否发布引发错误的真实数据子集？

标签： regex r

【解决方案1】：

这就是诀窍，基础R：

newname = sapply(nametitle, function(u){
    bool = sapply(name, function(x) grepl(x, u))
    if(any(bool)) name[bool][1] else NA
})

#>newname
#John Smith, MD PhD       Jane Doe, JD 
#            "John"             "Jane"

【讨论】：

天哪。这个非常有用的功能怎么还没有被整合到一个包中呢？再次感谢@Colonel Beauvel。
嗨@Colonel Beauvel。请查看我修改后的问题，再次感谢您的贡献。

【解决方案2】：

这是一个简单的方法。首先，根据您的 name 向量创建一个正则表达式模式：

pattern <- paste0(".*(?<=\\s|^)(", paste(name, collapse = "|"), ")(?=\\s|$).*")
# [1] ".*(?<=\\s|^)(John|Jane|Mark|Steve)(?=\\s|$).*"

如果你使用这种模式，一个sub 命令就可以解决问题：

sub(pattern, "\\1", nametitle, perl = TRUE)
# [1] "John"                "Jane"                "John-Paul Jones, MS"

【讨论】：