Regex R中的计数模式匹配

如何有效地计算一个字符串在另一个字符串中出现的实例数

下面是我迄今为止的代码。它成功地识别一个字符串的任何实例是否出现在另一个字符串中。但是，我不知道如何将它从真/假关系扩展到计数关系

x <- ("Hello my name is Christopher. Some people call me Chris")
y <- ("Chris is an interesting person to be around")
z <- ("Because he plays sports and likes statistics")

lll <- tolower(list(x,y,z))
dict <- tolower(c("Chris", "Hell"))

mmm <- matrix(nrow=length(lll), ncol=length(dict), NA)

for (i in 1:length(lll)) {
for (j in 1:length(dict)) {
    mmm[i,j] <- sum(grepl(dict[j],lll[i]))
}
}
mmm

由于小写字符串“chris”在

lll[1]

中出现两次，我希望

mmm[1,1]

为2而不是1

真正的例子是更高的维度…所以如果代码可以矢量化，而不是使用我的强力循环，我会很高兴的。

两个快速提示：

避免双for循环，您不需要它；）

使用

stringr

包

---

---

不要使用

sum（grepl（dict[j]，lll[i]）

，而是尝试

sum（gregexpr（dict[j]，lll[i]）[[1]>0）

lll您也可以这样做：

count.matches <- function(pat, vec) sapply(regmatches(vec, gregexpr(pat, vec)), length)
mapply(count.matches, c('chris', 'hell'), list(lll))
#      chris hell
# [1,]     2    1
# [2,]     1    0
# [3,]     0    0

count.matches这使用qdap包。CRAN版本应该可以正常工作，但您可能需要

我也喜欢这个解决方案，因为它不依赖于安装
stringr
library。但是
stringr
中的代码非常简单。非常感谢您提出的解决方案（我希望我能接受这两种方案）！！将留给SO社区让我知道什么更好。现在也很好。谢谢。看来有多种方法可以剥这只猫的皮。Thx@Ricardo。我还收到了许多其他的好答案。如下文所述……如果其他用户能够参与解决问题的最有效方法（给出以下建议），我会很高兴。这将因您对“高效”的定义而有所不同。请查看
microbenchmark
软件包。请注意，
stringr
是语法糖，使使用字符串更容易。自己编写代码总是一样快或更快。也就是说，
效率=n\u使用*code\u运行时间+程序员时间
。计算机的时间相对便宜。
library(stringr)

dict <- setNames(nm=dict)  # simply for neatness
lapply(dict, str_count, string=lll)
# $chris
# [1] 2 1 0
#
# $hell
# [1] 1 0 0

#  sapply(dict, str_count, string=lll)
#      chris hell
# [1,]     2    1
# [2,]     1    0
# [3,]     0    0

llll<-rep(lll,length(dict))
dict1<-rep(dict,each=length(lll))


 do.call(rbind,Map(function(x,y)list(y,sum(gregexpr(y,x)[[1]] > 0)), llll,dict1))
                                                        [,1]    [,2]
hello my name is christopher. some people call me chris "chris" 2   
chris is an interesting person to be around             "chris" 1   
because he plays sports and likes statistics            "chris" 0   
hello my name is christopher. some people call me chris "hell"  1   
chris is an interesting person to be around             "hell"  0   
because he plays sports and likes statistics            "hell"  0  

count.matches <- function(pat, vec) sapply(regmatches(vec, gregexpr(pat, vec)), length)
mapply(count.matches, c('chris', 'hell'), list(lll))
#      chris hell
# [1,]     2    1
# [2,]     1    0
# [3,]     0    0

library(qdap)

termco(c(x, y, z), 1:3, c('chris', 'hell'))

##   3 word.count     chris      hell
## 1 1         10 2(20.00%) 1(10.00%)
## 2 2          8 1(12.50%)         0
## 3 3          7         0         0


termco(c(x, y, z), 1:3, c('chris', 'hell'))$raw

##   3 word.count chris hell
## 1 1         10     2    1
## 2 2          8     1    0
## 3 3          7     0    0