tidyverse:用str_detect过滤

Question

我想使用来自dplyr的dplyr命令和str_detect。

library(tidyverse)

dt1 <- 
  tibble(
      No   = c(1, 2, 3, 4)
    , Text = c("I have a pen.", "I have a book.", "I have a pencile.", "I have a pen and a book.")
    )

dt1
# A tibble: 4 x 2
     No Text                    
  <dbl> <chr>                   
1     1 I have a pen.           
2     2 I have a book.          
3     3 I have a pencile.       
4     4 I have a pen and a book.


MatchText <- c("Pen", "Book")

dt1 %>% 
  filter(str_detect(Text,  regex(paste0(MatchText, collapse = '|'), ignore_case = TRUE)))

# A tibble: 4 x 2
     No Text                    
  <dbl> <chr>                   
1     1 I have a pen.           
2     2 I have a book.          
3     3 I have a pencile.       
4     4 I have a pen and a book.

所需输出

我希望以更有效的方式输出以下内容(因为在我最初的问题中，会有许多未知的MatchText元素)。

dt1 %>% 
  filter(str_detect(Text,  regex("Pen", ignore_case = TRUE))) %>% 
  select(-Text) %>% 
  mutate(MatchText = "Pen") %>% 
  bind_rows(
    dt1 %>% 
      filter(str_detect(Text,  regex("Book", ignore_case = TRUE))) %>% 
      select(-Text) %>% 
      mutate(MatchText = "Book")
  )

# A tibble: 5 x 2
     No MatchText
  <dbl> <chr>    
1     1 Pen      
2     3 Pen      
3     4 Pen      
4     2 Book     
5     4 Book 

任何更有效地完成上述任务的提示。

Answer 1

library(tidyverse)
dt1 %>%
  mutate(
    result = str_extract_all(Text, regex(paste0("\\b", MatchText, "\\b", collapse = '|'),ignore_case = TRUE))
  ) %>%
  unnest(result) %>%
  select(-Text)
# # A tibble: 4 x 2
#      No result
#   <dbl> <chr> 
# 1     1 pen   
# 2     2 book  
# 3     4 pen   
# 4     4 book 

我不知道你问题中的“整句话”在编辑后发生了什么--我留下了单词边界来匹配整个单词，但是因为“钢笔”并不是“铅笔”的全部单词匹配，所以我的结果与你的结果不匹配。如果想要部分单词匹配，就去掉\\b。

Answer 2

str_extract_all()提供多个匹配项，您可以将它们重新嵌套到不同的行中，以获得所需的输出。如果需要，仍然可以使用paste+collapse方法从向量生成模式。

library(stringr)
dt1 %>% 
  mutate(match = str_extract_all(tolower(Text), "pen|book")) %>% 
  unnest(match) %>% 
  select(-Text)