包countrycode和regex

R包“countrycode”包含一个数据帧（countrycode_data），其中还包含一个名为“country.name.en.regex”的变量。这个变量包含正则表达式模式，我想使用它来创建一个新的列，该列是TRUE还是FALSE取决于国家名称或其变体是否出现在某些列中，请参见下面的示例

AB <- c('CHINAS PARTY CONGRESS','JAPAN-US RELATIONS','JAPAN TRIES TO')
TI <- c('AMERICAN FOREIGN POLICY', 'CHINESE ATTEMPTS TO', 'BRITAIN HAS TEA')
AU <- c('AUTHOR 1', 'AUTHOR 2','AUTHOR 3')
M  <- data.frame(AB,TI,AU)
M$Japan<- !!rowSums(sapply(M[c(1:3)], grepl, pattern ='JAPAN'))

我现在已经测试了所有提供的正则表达式，并意识到那些不起作用的正则表达式往往包含

^（？=.*或^（？）.*

我还注意到，例如，单词边界不会用两个反斜杠转义（即原稿中的.\B而不是\B）。是否有一个我不知道的简单解决方案？或者另一种替代方法？下面是一些返回错误的正则表达式的完整示例：

M$China<- !!rowSums(sapply(M[c(3, 7:9)], grepl, pattern ="^(?!.*\\BMAC)(?!.*\\BHONG)(?!.*\\BTAI)(?!.*\\BREP).*CHINA|^(?=.*PEO)(?=.*REP).*CHINA"))
M$United_States_of_America<- !!rowSums(sapply(M[c(3, 7:9)], grepl, pattern ="UNITED.?STATES\\B(?!.*ISLANDS)|\\BU\.?S\.?A\.?\\B|^\S*U\.?S\.?\\B(?!.*ISLANDS)"))
M$Republic_of_Korea<- !!rowSums(sapply(M[c(3, 7:9)], grepl, pattern ="^(?!.*D.*P.*R)(?!.*DEMOCRAT)(?!.*PEOPLE)(?!.*NORTH).*\\BKOREA(?!.*D.*P.*R)"))

M$China这个
（？=.*REP）
构造是一个正向的前瞻性构造，默认的基本R正则表达式引擎（TRE）不支持它。要使用它们，您需要使用
perl=TRUE
，以便使用PCRE正则表达式引擎来处理模式

但是，请注意，
^（？=.*REP）。*捷克|捷克|波希米亚
可以重新写入以与TRE正则表达式引擎一起使用：

REP.*CZECH|CZECH.*REP|CZECHIA|BOHEMIA
^^^^^^^^^^^^^^^^^^^^^

如果您有不止一个积极的前瞻性，那么这种方法可能会被证明是乏味的，而且实际上效率更低。
似乎只要按预期使用
countrycode
包，您就应该能够更轻松地做到这一点

AB要使前瞻模式起作用，请添加
perl=TRUE
。此外，您想要的捷克正则表达式应该看起来像
“^（？=.*REP）。*（？：捷克（？：IA）？|波希米亚）
谢谢，Wiktor。我没有想到perl，但它似乎起到了作用。为什么您必须更改捷克正则表达式？只是习惯的力量。我认为
^（？=.*REP）.
参考了
捷克|捷克|波希米亚
M$China<- !!rowSums(sapply(M[c(3, 7:9)], grepl, pattern ="^(?!.*\\BMAC)(?!.*\\BHONG)(?!.*\\BTAI)(?!.*\\BREP).*CHINA|^(?=.*PEO)(?=.*REP).*CHINA"))
M$United_States_of_America<- !!rowSums(sapply(M[c(3, 7:9)], grepl, pattern ="UNITED.?STATES\\B(?!.*ISLANDS)|\\BU\.?S\.?A\.?\\B|^\S*U\.?S\.?\\B(?!.*ISLANDS)"))
M$Republic_of_Korea<- !!rowSums(sapply(M[c(3, 7:9)], grepl, pattern ="^(?!.*D.*P.*R)(?!.*DEMOCRAT)(?!.*PEOPLE)(?!.*NORTH).*\\BKOREA(?!.*D.*P.*R)"))

REP.*CZECH|CZECH.*REP|CZECHIA|BOHEMIA
^^^^^^^^^^^^^^^^^^^^^