R grep整个单词由特殊字符分隔

Question

假设有一个 "foo" 或 "foo|baz|bar" 形式的序列向量(一个单词或多个单词由特殊字符分隔，例如"|")，我们也得到了一个单词，我们想要找到它与向量中的哪些项目有整个单词匹配。

例如，单词 "foo" 在 "foo|baz|bar" 中有完整匹配，但在 "foobaz| 中没有完整匹配bar" 或 "bazfoo"。

首先，我尝试使用 "\\b" 来指示整个单词的开始边缘或结束边缘，并且它成功运行:

grep("\\bfoo\\b", "foo")         # match
grep("\\bfoo\\b", "foobaz|bar")  # mismatch    
grep("\\bfoo\\b", "bazfoo")      # mismatch

然后我尝试添加 "|" 作为两端的另一个可能的分隔符，并使用 [和]:

grep("[|\\b]foo[|\\b]", "foo|baz|bar")  # mismatch!
grep("[|\\b]foo[|\\b]", "foo")          # mismatch!

后来发现\\b不是字符串的开始或结束的指示符，而是整个单词的开始或结束(这么多字符，例如空格和 ,|-^. 但不是 数字和下划线 _ 分隔整个单词)。所以 "[|\\b]foo[|\\b]" 匹配所有这些字符串:"foo"、"foo|bar|baz"、"foo-bar", "baz foo|bar" 但不是 "foo_bar" 或 "foo2"。

但我的问题仍然存在:为什么 "[|\\b]foo[|\\b]" 模式无法与 "foo" 匹配？

Answer 1

你可以使用strplit:

> "foo" %in% unlist(strsplit("foo|baz|bar", split = "|", fixed = TRUE))
[1] TRUE

您可以对其进行矢量化:

> z <- c("foo|baz|bar", "foobaz|bar", "bazfoo")
> x <- c("foo", "foot")
> sapply(strsplit(z, split = "|", fixed = TRUE), function(x,y)y %in% x, x)
      [,1]  [,2]  [,3]
[1,]  TRUE FALSE FALSE
[2,] FALSE FALSE FALSE