regex - 从没有语料库的数据框中提取子词列表

Question

实际上我想在数据框中提取一些子词列表，我知道我们可以通过语料库提取但我不想这样做不必要的。首先我使用了 ma​​tch 以及 grep 但问题是除了完全匹配之外不能使用匹配，而且 grep 不能用于多个单词。例如。

 a=sample(c("Client","offshor","V1fax","12mobile"),10)
 z=data.frame(a)
 z
          a
1     V1fax
2     V1fax
3  12mobile
4  12mobile
5     V1fax
6     clint
7   offshor
8     clint
9     clint
10 12mobile

d=z[is.na(match(tolower(z[,1]),c("fax","mobile","except","talwade"))),]

grep(c("fax","mobile","except","talwade"),tolower(z[,1]))
    [1] 1 2 5
Warning message:
In grep(c("fax", "mobile", "except", "talwade"  :
  argument 'pattern' has length > 1 and only the first element will be used

想要一个o/p成为

z
       a
1     clint
2   offshor
3     clint
4     clint

正如预期的那样，任何提取子词列表的有效方法。谢谢。

Answer 1

你可以用 grep 来做，你只需要使用正则表达式 OR 运算符，它是 |...

grep(  paste( c("fax","mobile","except","talwade") , collapse = "|" ) , tolower(z[,1]) )
# [1] 1 2 3 4 5 10


#  The pattern...
paste( c("fax","mobile","except","talwade") , collapse = "|" )
# [1] "fax|mobile|except|talwade"