试图理解grepl:为什么grepl("of implementation"，df$var)返回的TRUE小于grepl("implementation"，df$var)？
为缺乏可复制的代码而提前道歉。我有一个名为survey的数据。数据框架中的一个列--调查$Q17--包含多个字符串响应(例如，“缺乏相关技术的高成本”)。我一直在使用grepl为每个可能的响应创建一个新列，使用grepl(needle, haystack)命令的变体。
当我试图找到“高成本的实现”的所有实例时，我做了以下违反直觉的发现：
survey$Q17.hcoi <- (
grepl("implementation",
survey$Q17)
)
table(survey$Q17.hcoi == "TRUE")这将返回27 TRUE。但是，下面的代码..。
survey$Q17.hcoi <- (
grepl("of implementation",
survey$Q17)
)
table(survey$Q17.hcoi == "TRUE")...returns 26是真的。下面的代码..。
survey$Q17.hcoi <- (
grepl("costs of implementation",
survey$Q17)
)
table(survey$Q17.hcoi == "TRUE")也返回26真。最后，以下代码..。
survey$Q17.hcoi <- (
grepl("High costs of implementation",
survey$Q17)
)
table(survey$Q17.hcoi == "TRUE")返回0 TRUE。
这真是令人费解。我认为，grepl中最长的搜索短语(例如，“执行的高成本”)将优于较短的搜索短语(例如，“实现”)。在这种情况下，事实并非如此。最长的搜索短语返回0 TRUE，而最短的返回27。
有人能解释一下为什么会这样吗？在使用trimws(survey$Q17)之前，我使用了grepl删除多余的空白，因为我认为这可能会防止出现一些问题。
回答 1
Stack Overflow用户
发布于 2021-09-04 14:33:24
这是对正则表达式及其工作方式的简单误解，我建议阅读?regex帮助页面。
当不使用Regex分隔符时，regex匹配整个字符串。“of implementation”将是“匹配包含'of implementation‘的任何字符串”。“实现的高成本”包含该子字符串，而如果您使用的是“高实现成本”，这将查找包含准确的单词序列的任何字符串。因此，这将不匹配字符串‘的实现’，因为它没有‘*高成本*’作为后缀。
如果要匹配包含任何单词的字符串，则可以使用regex或运算符|。
grepl('High|cost|of|implementation', X)用向量替换X。不是说空格“”本身也是一个匹配的字符，所以`* of implementation*‘与'of implementation’不一样！
https://stackoverflow.com/questions/69055973
复制相似问题
腾讯云开发者
