Согласование строки с различными возможностями с помощью grep

Я хочу видеть, если "001" или "100" или "000" происходит в строке из 4 символов 0 и 1. Например, строка из 4 символов может быть как "1100" или "0010" или "1001" или "1111". Как сопоставить многие строки в строке с помощью одной команды?

Я знаю, что grep можно использовать для сопоставления шаблонов, но используя grep, я могу проверить только одну строку за раз. Я хочу знать, можно ли использовать несколько строк с какой-либо другой командой или с самой grep.

Ответы

Ответ 1

Да, вы можете. | в шаблоне grep имеет то же значение, что и or. Таким образом, вы можете проверить свой шаблон, используя "001|100|000" в качестве шаблона. В то же время grep векторизован, поэтому все это можно сделать за один шаг:

x <- c("1100", "0010", "1001", "1111")
pattern <- "001|100|000"

grep(pattern, x)
[1] 1 2 3

Это возвращает индекс того из ваших векторов, который содержит шаблон соответствия (в этом случае первые три.)

Иногда удобнее иметь логический вектор, который сообщает вам, какие из элементов в вашем векторе были сопоставлены. Затем вы можете использовать grepl:

grepl(pattern, x)
[1]  TRUE  TRUE  TRUE FALSE

См. ?regex для справки о регулярных выражениях в R.

Edit: Чтобы избежать создания шаблона вручную, мы можем использовать paste:

myValues <- c("001", "100", "000")
pattern <- paste(myValues, collapse = "|")

Ответ 2

Вот одно решение, использующее stringr package

require(stringr)
mylist = c("1100", "0010", "1001", "1111")
str_locate(mylist, "000|001|100")

Ответ 3

Используйте аргумент -e для добавления дополнительных паттернов:

echo '1100' | grep -e '001' -e '110' -e '101'

Ответ 4

Вы также можете использовать оператор %like% из библиотеки data.table.

library(data.table)

# input
  x <- c("1100", "0010", "1001", "1111")
  pattern <- "001|100|000"

# check for pattern
  x %like% pattern

> [1]  TRUE  TRUE  TRUE FALSE

Ответ 5

Если вам нужен логический вектор, вы должны проверить stri_detect функцию из пакета stringi. В вашем случае шаблон является регулярным выражением, поэтому используйте его:

stri_detect_regex(x, pattern)
## [1]  TRUE  TRUE  TRUE FALSE

И некоторые ориентиры:

require(microbenchmark)
test <- stri_paste(stri_rand_strings(100000, 4, "[0-1]"))
head(test)
## [1] "0001" "1111" "1101" "1101" "1110" "0110"
microbenchmark(stri_detect_regex(test, pattern), grepl(pattern, test))
Unit: milliseconds
                             expr      min       lq     mean   median       uq      max neval
 stri_detect_regex(test, pattern) 29.67405 30.30656 31.61175 30.93748 33.14948 35.90658   100
             grepl(pattern, test) 36.72723 37.71329 40.08595 40.01104 41.57586 48.63421   100

Ответ 6

Извините за добавление дополнительного ответа, но слишком много строк для комментария.

Я просто хотел напомнить, что количество элементов, которые могут быть вставлены вместе через paste(..., collapse = "|") для использования в качестве одного шаблона соответствия, ограничено - см. ниже. Может быть, кто-то может сказать, где именно предел? Разумеется, число может быть нереалистичным, но в зависимости от выполняемой задачи он не должен полностью исключаться из наших соображений.

Для действительно большого количества элементов для проверки каждого элемента шаблона потребуется цикл.

set.seed(0)
samplefun <- function(n, x, collapse){
  paste(sample(x, n, replace=TRUE), collapse=collapse)
}

words <- sapply(rpois(10000000, 8) + 1, samplefun, letters, '')
text <- sapply(rpois(1000, 5) + 1, samplefun, words, ' ')

#since execution takes a while, I have commented out the following lines

#result <- grepl(paste(words, collapse = "|"), text)

# Error in grepl(pattern, text) : 
#   invalid regular expression 
# 'wljtpgjqtnw|twiv|jphmer|mcemahvlsjxr|grehqfgldkgfu|
# ...

#result <- stringi::stri_detect_regex(text, paste(words, collapse = "|"))

# Error in stringi::stri_detect_regex(text, paste(words, collapse = "|")) : 
# Pattern exceeds limits on size or complexity. (U_REGEX_PATTERN_TOO_BIG)