Regex 从没有语料库的数据帧中提取子词列表

事实上，我想在数据框中提取一些子单词列表，我知道我们可以通过语料库提取，但我不想做不必要的事情。首先，我使用了匹配以及grep，但问题是除了精确匹配之外不能使用match，grep不能用于多个单词

 a=sample(c("Client","offshor","V1fax","12mobile"),10)
 z=data.frame(a)
 z
          a
1     V1fax
2     V1fax
3  12mobile
4  12mobile
5     V1fax
6     clint
7   offshor
8     clint
9     clint
10 12mobile

d=z[is.na(match(tolower(z[,1]),c("fax","mobile","except","talwade"))),]

grep(c("fax","mobile","except","talwade"),tolower(z[,1]))
    [1] 1 2 5
Warning message:
In grep(c("fax", "mobile", "except", "talwade"  :
  argument 'pattern' has length > 1 and only the first element will be used

希望o/p为

z
       a
1     clint
2   offshor
3     clint
4     clint

---

正如预期的那样，任何有效的方法都可以提取子词列表。谢谢。

您可以使用

grep

完成此操作。您只需使用正则表达式

或
运算符，即

grep(  paste( c("fax","mobile","except","talwade") , collapse = "|" ) , tolower(z[,1]) )
# [1] 1 2 3 4 5 10


#  The pattern...
paste( c("fax","mobile","except","talwade") , collapse = "|" )
# [1] "fax|mobile|except|talwade"

这将比Simon的解决方案慢一点，但它可以访问更多的数据进行分析。您可以使用
sapply
返回匹配矩阵：

patterns  <- c("fax","mobile","except","talwade")
match.mat <- sapply(patterns, grepl, z$a)
rownames(match.mat) <- z$a

#            fax mobile except talwade
# V1fax     TRUE  FALSE  FALSE   FALSE
# V1fax     TRUE  FALSE  FALSE   FALSE
# 12mobile FALSE   TRUE  FALSE   FALSE
# 12mobile FALSE   TRUE  FALSE   FALSE
# V1fax     TRUE  FALSE  FALSE   FALSE
# clint    FALSE  FALSE  FALSE   FALSE
# offshor  FALSE  FALSE  FALSE   FALSE
# clint    FALSE  FALSE  FALSE   FALSE
# clint    FALSE  FALSE  FALSE   FALSE
# 12mobile FALSE   TRUE  FALSE   FALSE

哪些：

which(rowSums(match.mat) > 0)
#    V1fax    V1fax 12mobile 12mobile    V1fax 12mobile 
#        1        2        3        4        5       10 

对于特定单词，匹配的模式是什么，反之亦然：

which(match.mat["12mobile", ])
which(match.mat[, "fax"])

which(match.mat["12mobile", ])
which(match.mat[, "fax"])