模糊字符串匹配与正则化

Question

我有一个句子向量，例如：

example <- c("text text word1 text text word2 text text", ...)

我试图找出哪些句子符合以下规则：

• 这个句子同时包含"word1“和"word2”
• "word1“先于"word2”
• "word1“和"word2”之间有0到3个单词。

这可以用一个正常的正则表达式来完成。但是，问题是"word1“或"word2”可以包含排字(我预计两个单词最多距离为3)。键入的例子可以是"wrod1“、"woord2”、"wrd1“等等。我还想在距离约束范围内匹配包含这些单词的排字的句子。因此，我试图使用agrepl

agrepl("(?:.*?)\\bword1\\b(?:\\s(?:\\w+\\s){0,3})\\bword2\\b(?:.*?)", example, fixed=FALSE, max=3)

然而，我相信距离是用整个句子来计算的，而不仅仅是用"word1“和"word2”来计算，因此我几乎永远不会用这种方式得到任何匹配。对于如何解决这一问题，有什么建议吗?还是存在任何解决这个问题的最佳工具？

Answer 1

这符合你的规则，但我不知道你的排字会是什么样子。如果你能举个例子，那就太好了。

^(?=.*word1\s+(?:\S+\s+){0,3}word2.*$).* 演示