如何在字符串中找到（模糊）匹配的位置？答案

【问题标题】：How do I find the position of a (fuzzy) match within a string?如何在字符串中找到（模糊）匹配的位置？
【发布时间】：2017-07-22 00:01:09
【问题描述】：

我在 R 中有一个文本处理问题。我想在一个字符串中获取字符，其中不同的字符串进行精确匹配和/或模糊匹配，并具有一定的编辑距离。例如：

A = "blahmatchblah"
B = "match"
C = "latch"

我想返回一些信息，告诉我字符串 A 中的第 5 个字符是搜索 B 和 C 的匹配项。我知道的所有模式匹配工具都会告诉我是否存在（模糊）匹配 A 中的 B 和 C，但不匹配匹配开始的位置。

【问题讨论】：

标签： r string text

【解决方案1】：

基函数aregexec()用于近似字符串位置匹配。不幸的是，它没有在pattern 上进行矢量化，因此我们必须使用循环来获取B 和C 的位置。

sapply(c(B, C), aregexec, A)
# $match
# [1] 5
# attr(,"match.length")
# [1] 5
#
# $latch
# [1] 5
# attr(,"match.length")
# [1] 5

请参阅help(aregexec) 了解更多信息。

【讨论】：

【解决方案2】：

我没有代表发表评论，但至少对于您问题的第一部分：gregexpr(B,A)[[1]][1] 将产生 5，因为“匹配”是一个有效的子序列答：

【讨论】：

【解决方案3】：

几个月前，我在 R 中为fuzzywuzzy Python 包创建了一个接口，它具有 get_matching_blocks() 方法（它与您实际要求的非常接近）。

假设你想找到两个字符串之间的匹配块，

A = "blahmatchblah"
B = "match"

library(fuzzywuzzyR)

init <- SequenceMatcher$new(string1 = A, string2 = B)

init$get_matching_blocks()

返回，

[[1]]
Match(a=4, b=0, size=5)

[[2]]
Match(a=13, b=5, size=0)

第一个子列表给出了两个字符串的匹配块。 a = 4 给出字符串 A 的起始索引，b=0 给出字符串 B 的起始索引>（索引从 0 开始）。 size = 5 给出两个字符串匹配的字符数（在这种情况下，匹配块是“匹配”并且有 5 个字符）。

documentation，尤其是 SequenceMatcher，有更多信息。

【讨论】：