在R中用正则表达式精确匹配任意数量的字符

Question

我想使用正则表达式来计算字符的确切连续出现次数。例如，让模式为"aa"和"bbb"，即"a"恰好连续出现两次的次数；"b"恰好连续出现三次的次数（它们可以在前后由任何字符包围，包括没有字符，除了该字符本身）。如果测试向量是：

c("baa", "aaaa", "aab", "aa", "bbba", "bbaabbb")

计数结果应该如下所示：

匹配模式为"aa"的有c("baa", "aab", "aa", "bbaabbb")&

匹配模式为"bbb"的有c("bbba", "bbaabbb")

我已经使用了"\\<"&"\\>"，但并没有得到我想要的结果。如果能提供任何帮助，我将不胜感激。

- Tunde Awosanya

---

请分享您用于测试的代码。 - Wiktor Stribiżew

你是否一定要使用“regex”包？因为你可以用“stringr”包完成这个任务。vec <- c("baa", "aaaa", "aab", "aa", "bbba", "bbaabbb"); count_aa <- sum(str_detect(vec,'aa')) 等等… - Smich7

@Smich，我知道stringr。它将无法忽略可以由任何字符（包括仅由字符本身）限定的条件。我认为正则表达式是唯一的解决方法。 - Tunde Awosanya

Answer 1

要匹配恰好出现两次的字符“a”，您可以使用负回顾结合负前瞻。也就是说，您在寻找一个位置，

• 不跟随一个字符“a”，
• 包含字符串“aa”，并且
• 不跟随一个“a”

所使用的正则表达式是(?<!a)a{2}(?!a)。 示例：

test <- c("baa", "aaaa", "aab", "aa", "bbba", "bbaabbb")
grep("(?<!a)a{2}(?!a)", test, perl = TRUE, value = TRUE)
# [1] "baa"     "aab"     "aa"      "bbaabbb"

类似地，匹配恰好出现三次字符“b”的方法如下：

grep("(?<!b)b{3}(?!b)", test, perl = TRUE, value = TRUE)
# [1] "bbba"    "bbaabbb"

- ikop

Answer 2

我们还可以分割并获取表格

 table(unlist(lapply(strsplit(v1, "(?<=b)(?=a)|(?<=a)(?=b)", perl =TRUE), 
            function(x) x[x %in% c('aa', 'bbb')])))
 # aa bbb 
 # 4   2 

如果有其他字符，

table(unlist(lapply(strsplit(v2, "(?<=[^a])(?=a)|(?<=a)(?!a)",
         perl = TRUE), function(x) x[x %in% c('aa', 'bbb')])))
# aa bbb 
#  5   2 

数据

v1 <- c("baa", "aaaa", "aab", "aa", "bbba", "bbaabbb")
v2 <- c("baa", "aaaa", "aab", "aa", "bbba", "bbaabbb", "caa")

- akrun

---

这是否假设字符串仅包含字母"a"和"b"？这种方法是否无法匹配"caa"？ - ikop

抱歉，我不是要贬低你的回答。我认为strsplit非常优雅。我只是想知道这种方法是否能够捕获字符串“caa”中的“aa”（*...它们可以被任何字符包围，包括什么都没有，除了字符本身*）。 - ikop

是的，Ikop，它不仅包含a和b。谢谢Akrun的努力，但我不确定这种方法是否稳健。如果我想检查长度从1到10，我将不得不手动输入我想要的所有模式，例如“aa”，“aaa”，“aaaa”等，但使用Ikop的方法，我可以轻松地结合for循环和length函数来知道a或b的1,2,3 ...出现次数的数量。也许如果您可以使其更易于推广而不是具体化。 - Tunde Awosanya

@TundeAwosanya 关于您的评论，table(unlist(lapply(strsplit(v2, "(?<=[^a])(?=a)|(?<=a)(?!a)",perl = TRUE), function(x) Map(function(y, z) x[x %in% c(y, z)], c('aa', 'aaa', 'aaaa'), c('bb', 'bbb', 'bbbb'))))) 可以得到您想要的输出。 - akrun