用R中的一个唯一单词替换单词列表

我正在使用R进行文本分析，并拥有一个数据集（文本语料库），其中包含关于不同水果的各种句子。例如：“苹果”、“香蕉”、“橙子”、“梨””等

因为它与分析是否有人写“苹果”或“香蕉”无关，所以我想用一个特定的词来替换所有不同的水果，例如“allfruits”

我曾想过使用正则表达式，但我面临两个问题

1） 我希望避免对每种水果使用单独的代码行。因此，有没有一种方法可以定义我可以使用的列表或向量，以便函数用一个特定的单词“allfruits”替换该列表中的所有单词（苹果、香蕉、梨等）

2） 我希望避免将不是水果但包含与水果相同字符串的单词（例如单词“appletii”）替换为函数

例如： 如果我有句话说：“苹果是我最喜欢的水果，苹果酱是我最喜欢的饮料。我也喜欢香蕉！" 我希望发生以下事情：所有水果是我最喜欢的水果，苹果酱是我最喜欢的饮料。我也喜欢所有水果

我不确定是否可以用gsub函数来写这个。因此，非常感谢所有的帮助

---

谢谢！

str
allfruits
可以扩展为包含任何要替换的单词：

str <- "Apple is my favourite fruit, appletini is my favourite drink. I also like bananas!"
gsub("(\\bapples?\\b)|(\\bbananas?\\b)", "allfruits", str, ignore.case = T)

allfruits = c("apple", "banana" , "orange", "pear")
replacement = "allfruits"
text = "Apple is my favourite fruit, appletini is my favourite drink. I also like bananas!"

gsub(paste0("\\b(", paste0(allfruits, collapse="|"), ")[s]?\\b"), replacement, text, ignore.case = TRUE)

返回

[1] "allfruits is my favourite fruit, appletini is my favourite drink. I also like allfruits!"

正则表达式：


\\b
-wordboundary
（“，paste0（allfruits，collapse=“|”）
-所有水果名称以
|
分隔（或）
s？
-可选字母's'
\\b
-wordboundary
ignore.case=TRUE
-忽略大小写
非常感谢！这确实帮助解决了这个问题。我对gsub和regex函数的整个主题还不熟悉，所以它仍然有点混乱，特别是关于“单词边界”的部分。如果我想替换单词中的特定字符串，例如替换“apple”，你有没有一个例子说明我将如何编写regex在“appletin”这个词里，用“allfruitstini”来表达？。如果单词apple位于两个字符串之间（例如：“stringapplestring”变为“stringallfruitsstring”），则删除上述示例中的单词边界部分将按照您在注释中的要求执行。在
？gsub
中
模式
参数的描述中，我们找到了指向R的正则表达式文档的链接。在那里我们可以找到不同的表达方式。然后，您可以从一个teststring开始并尝试不同的模式。