使用正则表达式和grepl来检测以特定模式开头的单词

Question

我不明白为什么

grepl("see*", "file SEC", ignore.case = TRUE)

返回

TRUE

？

我试图找到所有以

see

开头的单词，例如

See

、

seeing

、

seen

等，并将其删除。 “file SEC”上面的字符串没有这样的单词，但返回了

TRUE

。

Answer 1

使用单词边界 (

\\b

)

模式

"see*"

检查“se”后跟任意数量的

"e"

(

e*

)（包括零），因此“SE”匹配。

我相信你可能想研究这样的东西，没有“*”

grepl("^see", "file SEC", ignore.case = TRUE)

FALSE

除了“^”符号之外，您还可以包含单词边界

\\b

，这样您就可以检测以模式开头的单词，但在多单词字符内排除那些不以该模式开头的单词：

grepl("\\bSee", c("file SEC", "See", "seeing", "seen", "he was seen", "He did not forsee the event"), ignore.case = TRUE)
[1] FALSE  TRUE  TRUE  TRUE  TRUE  FALSE

Answer 2

其他人提到的问题是问题是指定一个glob而不是一个正则表达式，或者以不同的方式查看它指定了错误的正则表达式。

我们可以通过使用

startsWith

来避免正则表达式和通配符，只使用固定字符串，它测试字符串是否以固定的潜在子字符串开头。它不支持区分大小写，但我们可以使用

tolower

来实现。

startsWith(tolower(c("file SEC", "seer", "a seer")), "see")
## [1] FALSE  TRUE FALSE

Answer 3

尝试 grepl("^see", "文件 SEC") “^see”表示“所有以 see 开头的字符串”