Regex 计算一个列表中出现在字符串中的字数

我在一个字符向量中有一组独特的单词（已经“词干化”），我想知道它们中有多少出现在一个字符串中

以下是我目前掌握的情况：

library(RTextTools)

string <- "Players Information donation link controller support years fame glory addition champion Steer leader gang ghosts life Power Pellets tables gobble ghost"
wordstofind <- c("player","fame","field","donat")

# I created a stemmed list of the string
string.stem <- colnames(create_matrix(string, stemWords = T, removeStopwords = F))

库（RTextTools）
string好吧，我从不使用大型数据集，所以时间从来都不是关键，但根据您提供的数据，这将为您计算有多少单词与字符串中的某个内容完全匹配。这可能是一个很好的起点

sum(wordstofind %in% unlist(strsplit(string, " ")))

> sum(wordstofind %in% unlist(strsplit(string, " ")))
[1] 1

编辑使用茎获得正确的3个匹配项，感谢@Anthony Bissel:

sum(wordstofind %in% unlist(string.stem))

> sum(wordstofind %in% unlist(string.stem))
[1] 3

嗯，我从不使用大型数据集，所以时间从来都不是关键，但根据您提供的数据，这将为您计算有多少个单词与字符串中的某个单词完全匹配。这可能是一个很好的起点

sum(wordstofind %in% unlist(strsplit(string, " ")))

> sum(wordstofind %in% unlist(strsplit(string, " ")))
[1] 1

编辑使用茎获得正确的3个匹配项，感谢@Anthony Bissel:

sum(wordstofind %in% unlist(string.stem))

> sum(wordstofind %in% unlist(string.stem))
[1] 3

当然可能会有一个更快的选择，但这是可行的：

length(wordstofind) - length(setdiff(wordstofind, string.stem)) # 3

但安德鲁·泰勒的答案似乎更快：

`microbenchmark(sum(wordstofind %in% unlist(string.stem)), length(wordstofind) - length(setdiff(wordstofind, string.stem)))
Unit: microseconds
                                                        expr    min     lq     mean median     uq    max neval
                   sum(wordstofind %in% unlist(string.stem))  4.016  4.909  6.55562  5.355  5.801 37.485   100
length(wordstofind) - length(setdiff(wordstofind, string.stem)) 16.511 16.958 21.85303 17.404 18.296 81.218   100`

当然可能会有一个更快的选择，但这是可行的：

length(wordstofind) - length(setdiff(wordstofind, string.stem)) # 3

但安德鲁·泰勒的答案似乎更快：

`microbenchmark(sum(wordstofind %in% unlist(string.stem)), length(wordstofind) - length(setdiff(wordstofind, string.stem)))
Unit: microseconds
                                                        expr    min     lq     mean median     uq    max neval
                   sum(wordstofind %in% unlist(string.stem))  4.016  4.909  6.55562  5.355  5.801 37.485   100
length(wordstofind) - length(setdiff(wordstofind, string.stem)) 16.511 16.958 21.85303 17.404 18.296 81.218   100`

看看哈德利·威克姆的作品。您可能正在查找函数
str\u count
 看看哈德利·威克姆的作品。您可能正在查找函数
str\u count
 结果实际上应该是3，所以这不起作用，但可能只是使用了
string
而不是词干向量。如何得到3？在提供的示例中，唯一精确且完整的匹配词是fame。抱歉，我在解释中不清楚要比较的字符串的词干
sum（wordstofind%in%unlist（string.stem））
这个方法有效，而且看起来你的解决方案比我的快。请看下面我的答案。啊，我想我错过了获取茎的部分。哎呀。我很高兴它仍然有效。感谢您注意到这一点。结果实际上应该是3，所以这不起作用，但可能只是您使用了
string
而不是词干向量。如何得到3？在提供的示例中，唯一精确且完整的匹配词是fame。抱歉，我在解释中不清楚要比较的字符串的词干
sum（wordstofind%in%unlist（string.stem））
这个方法有效，而且看起来你的解决方案比我的快。请看下面我的答案。啊，我想我错过了获取茎的部分。哎呀。我很高兴它仍然有效。谢谢你注意到这一点。