如何精确搜索一个单词

Question

我想在以下字符向量中搜索“氮”，并只返回包含“氮”的条目，而不包括其他内容（例如氮固定）：

varnames=c("nitrogen", "dissolved organic nitrogen", "nitrogen fixation", "total dissolved nitrogen", "total nitrogen")

我尝试了以下的方法：

grepl(pattern= "![[:space:]]nitrogen![[:space:]]", varnames)

但是这种方法不起作用。

- sabsirro

---

你是想获得值恰好等于“氮”的索引/指数吗？which(varnames == "nitrogen") 是否能满足你的需求？ - Dason

Dason：你能把你的评论变成一个答案，这样Sabsirro就可以接受了吗？ - Carl Witthoft

Answer 1

虽然Dason的回答更简单，但也可以通过grep进行精确匹配:

varnames=c("nitrogen", "dissolved organic nitrogen", "nitrogen fixation", "total dissolved nitrogen", "total nitrogen")

grep("^nitrogen$",varnames,value=TRUE)
[1] "nitrogen"

grep("^nitrogen$",varnames)
[1] 1

- thelatemail

---

丹森的答案不仅更简单，而且更快。 - Joshua Ulrich

它能工作，但速度很慢。除非你正在动态构建正则表达式，否则没有必要使用“^someword$”。 - aL3xa

Answer 2

要获取与“nitrogen”完全相等的索引，您可以使用

which(varnames == "nitrogen")

根据您想要做的事情，您甚至可能不需要使用'which'，因为varnames == "nitrogen"会给出TRUE / FALSE的逻辑向量。如果您只想做一些替换所有出现的“nitrogen”为“oxygen”的操作，那么这应该就足够了。

varnames[varnames == "nitrogen"] <- "oxygen"

- Dason

Answer 3

如果您想匹配实际字符串（无需使用正则表达式），可以使用 fixed = TRUE：

v <- sample(c("nitrogen", "potassium", "hidrogen"), size = 100, replace = TRUE, prob = c(.8, .1, .1))
grep("nitrogen", v, fixed = TRUE)
# [1]   3   4   5   6   7   8   9  11  12  13  14  16  19  20  21  22  23  24  25
# [20]  26  27  29  31  32  35  36  38  39  40  41  43  44  46  47  48  49  50  51
# [39]  52  53  54  56  57  60  61  62  65  66  67  69  70  71  72  73  74  75  76
# [58]  78  79  80  81  82  83  84  85  86  87  88  89  91  92  93  94  95  96  97
# [77]  98  99 100

不太清楚速度问题，我喜欢测试并声称方法A比方法B更快，但从我的经验来看，至少在理论上，索引/二进制运算符应该是最快的，所以我投票支持@Dason的方法。另请注意，正则表达式总是比fixed=TRUE的grep()慢。

下面附有一些证明。请注意，这是一个简单的测试，应该将system.time放置在replicate内以获得（更多）准确的差异，您应该考虑异常值等。但是这肯定证明了您应该使用which!=)

(a0 <- system.time(replicate(1e5, grep("^nitrogen$", v))))
# user  system elapsed 
# 5.700   0.023   5.724  
(a1 <- system.time(replicate(1e5, grep("nitrogen", v, fixed = TRUE))))
# user  system elapsed 
# 1.147   0.020   1.168 
(a2 <- system.time(replicate(1e5, which(v == "nitrogen"))))
# user  system elapsed 
# 1.013   0.020   1.033 

- aL3xa

---

谢谢你提供如此详细的答案，了解这些差异很有帮助。 - sabsirro