如何在文本中间找到R的序列？

假设有一个字符串

t

和

f

，我们如何使用grep函数来找到模式，比如说，从

f

开始并在

f

中停留一段时间，然后转到

t

，我想计算它在

t

中停留的次数

a <- "fffftttfff"
b <- "fttttttfff"
c <- "tttttttttt"
d <- "fffffffftf"
path_ <- c(a,b,c,d)
ID <- 1:4

tf_dt <- data.table("ID" = ID,"path" = path_)
tf_dt

   ID       path
1:  1 fffftttfff
2:  2 fttttttfff
3:  3 tttttttttt
4:  4 fffffffftf

dt_raw <- tf_dt[,-1]
s <- paste0(as.vector(t(dt_raw)), collapse = "")
v <- substring(s,seq(1,nchar(s)-9,10), seq(10,nchar(s),10))
idx <- grep("^f*f.+t",v)
dt_final <- data.frame("ID" = tf_dt$ID, count = FALSE, time = NA)
dt_final$count[idx] <- TRUE
dt_final$time[idx] <- ???

更多尝试：

#If I do gsub("^f*f+t*","",v) it gives me the last string that I want to remove
#But I cant do something like
nchar(gsub("^f*f","",gsub("gsub("^f*f+t*","",v)$",""v)))

预期产出：

tf_count <- c(TRUE,TRUE,FALSE,TRUE)
tf_time <- c(3,6,NA,1)
output <- data.table("ID" = ID, "count" = tf_count,"time_taken" = tf_time)

#     ID count time_taken
# 1:  1  TRUE          3
# 2:  2  TRUE          6
# 3:  3 FALSE         NA
# 4:  4  TRUE          1

---

tf\u count一种方法是在移除第一组
f
后找出
t
的数量，这可以通过

library(data.table)

tf_dt[, time_taken:= NA_integer_]
tf_dt[grep('^f', path), time_taken := nchar(sub('^f*(t{1,}).*', '\\1',path))]
tf_dt

#   ID       path time_taken
#1:  1 fffftttfff          3
#2:  2 fttttttfff          6
#3:  3 tttttttttt         NA
#4:  4 fffffffftf          1

如果您对
stringr
和
tidyverse
解决方案感兴趣，请尝试以下代码。我从Ronak Shah的精彩回答中借用了一段代码“^f*（t{1，}）”

：

tf_dt %>% 
  mutate(count = str_detect(path, "ft"),
         time_taken = ifelse(count, str_count(str_extract(path, "^f*(t{1,})"), "t"), NA))  

在base中使用

grepl

和

gsub

的解决方案，正如您在问题中已经尝试过的那样

tf_count <- grepl("^f+t+", tf_dt$path)
tf_time <- nchar(gsub("^f+(t+).*","\\1",tf_dt$path))
tf_time[!tf_count]  <- NA
output <- data.frame("ID" = ID, "count" = tf_count,"time_taken" = tf_time)
output
#  ID count time_taken
#1  1  TRUE          3
#2  2  TRUE          6
#3  3 FALSE         NA
#4  4  TRUE          1

---

tf\u此解决方案的一个问题可能是，如果存在类似
“fffffffftftt”
的字符串，则此解决方案将失败。如果我正确理解OP，在这种情况下，他们需要回答为1。但我可能错了。@RonakShah，这是真的。从OP中我不清楚这应该是
1
还是
3
。对于这种情况，代码将返回
3
。如果需要
1
，代码可以被修复。@ZhiqiangWang在
stringr（）
中怎么做如果我需要1在这种情况下，我不太熟悉
tidyverse
，
stringr
的stru count

使用正则表达式模式。我从@RonakShah那里借了一段代码，编辑了我的答案。对于像

“fffffffftftt”

这样的输入，您期望的输出是什么？应该是1还是3？应该是1，很抱歉没有说清楚，所以让我尽可能多地理解它，因为我不确定代码的某些部分。第一行，我们试图找到一种模式，其中字符串的模式以

f

开头，至少有1个

f

，然后至少有1个

t

。第二行，我们首先使用

gsub

替换前面提到的字符串，然后

引用任何不是

t

（？）到

“

”的字符，然后它到达我不太明白的部分，

“\\1”

做什么？。在这之后，我明白了所有的一切，只是这一部分在逃避我。感谢

\\1

写入

（t+

中的内容。

tf_count <- grepl("^f+t+", tf_dt$path)
tf_time <- nchar(gsub("^f+(t+).*","\\1",tf_dt$path))
tf_time[!tf_count]  <- NA
output <- data.frame("ID" = ID, "count" = tf_count,"time_taken" = tf_time)
output
#  ID count time_taken
#1  1  TRUE          3
#2  2  TRUE          6
#3  3 FALSE         NA
#4  4  TRUE          1