R 如何在字符串中找到（模糊）匹配的位置？

我在R中有一个文本处理问题。我想得到字符串中的字符，其中不同的字符串进行精确匹配和/或模糊匹配，并具有一定的编辑距离。例如：

A = "blahmatchblah"
B = "match"
C = "latch"

---

我想返回一些信息，告诉我字符串A中的第5个字符是搜索B和C的匹配位置。我知道的所有模式匹配工具都会告诉我A中的B和C是否存在（模糊）匹配，但对于匹配开始的位置没有任何注释。

我没有rep来评论，但至少对于问题的第一部分：gregexpr（B，A）[[1]][1]将产生5，因为“match”是A中的有效子序列。

基本函数

aregexec（）

用于近似字符串位置匹配。不幸的是，它没有在

模式

上矢量化，因此我们必须使用循环来获取

B

和

C

的位置

sapply(c(B, C), aregexec, A)
# $match
# [1] 5
# attr(,"match.length")
# [1] 5
#
# $latch
# [1] 5
# attr(,"match.length")
# [1] 5

---

有关更多信息，请参见

帮助（aregexec）

。

几个月前，我在R中为Python包制作了一个接口，该接口具有get\u matching\u blocks（）方法（它与您实际要求的非常接近）

假设要在两个字符串之间找到匹配的块

A = "blahmatchblah"
B = "match"

library(fuzzywuzzyR)

init <- SequenceMatcher$new(string1 = A, string2 = B)

init$get_matching_blocks()

第一个子列表给出两个字符串的匹配块a=4给出字符串的起始索引a，b=0给出字符串的起始索引b（索引从0开始）size=5给出两个字符串匹配的字符数（在这种情况下，匹配块为“匹配”且有5个字符）

特别是SequenceMatcher，有更多信息

[[1]]
Match(a=4, b=0, size=5)

[[2]]
Match(a=13, b=5, size=0)