regex - R中包含和排除某些字符串的正则表达式

Question

我正在尝试使用 R 来解析多个条目。我对想要返回的条目有两个要求。我想要所有包含单词 apple 的条目但不要包含单词 orange .

例如:

我喜欢苹果

我真的很喜欢苹果

我喜欢苹果和橘子

我想取回条目 1 和 2。

我怎么能去使用 R 来做到这一点？

谢谢。

Answer 1

使用正则表达式，您可以执行以下操作。

x <- c('I like apples', 'I really like apples', 
       'I like apples and oranges', 'I like oranges and apples',
       'I really like oranges and apples but oranges more')

x[grepl('^((?!.*orange).)*apple.*$', x, perl=TRUE)]
# [1] "I like apples"        "I really like apples"

正则表达式向前看是否除了换行符和子字符串之外没有任何字符 orange如果是这样，那么点 .将匹配除换行符以外的任何字符，因为它被包装在一个组中，并重复( 0 或更多次)。接下来我们找apple以及除换行符以外的任何字符( 0 或更多次)。最后，线的起点和终点 anchor 就位以确保输入被消耗。

更新 :如果性能有问题，您可以使用以下方法。

x[grepl('^(?!.*orange).*$', x, perl=TRUE)]