在 R 中使用正则表达式来查找字符串作为整个单词（但不是字符串作为单词的一部分）

Posted 2023-02-14

【中文标题】在 R 中使用正则表达式来查找字符串作为整个单词（但不是字符串作为单词的一部分）

【英文标题】：Using regex in R to find strings as whole words (but not strings as part of words)

【发布时间】：2022-01-18 12:33:25

【问题描述】：

我正在寻找正确的正则表达式。以下

t1 = c("IGF2, IGF2AS, INS, TH", "TH", "THZH", "ZGTH")
grep("TH",t1, value=T)

返回t1的所有元素，但只有第一个和第二个是正确的。我只想返回带有单词/短语TH 的条目？

【问题讨论】：

尽管已经有两个答案，但您应该在标题中指定“单词”的含义。 TH2 或 TH_TH 呢？

@NickSabbe 是一个很好的观点，也是我一直在努力解决的问题。对于遇到的未来读者，***.com/a/40802619/7941188 展示了如何使用其他边界来做到这一点

【参考方案1】：

您需要在搜索字符串周围添加word boundary anchors (\b)，以便仅匹配整个单词（即由非单词字符或字符串开头/结尾包围的单词，其中“单词字符”表示@987654323 @，即字母数字字符）。

试试

grep("\\bTH\\b",t3, value=T)

【参考方案2】：

您可以在正则表达式中使用\< 和\> 来匹配单词的开头/结尾。

grep ("\\<TH\\>", t1) 等

【讨论】：

@Tim Pietzcker 更快 :) 我想知道这两个正则表达式是否不同？

你的更明确，尽管在这种情况下，它们在功能上是相同的。