r - `agrep(..., fixed=F)` 的困难

Question

在?agrep(带有模糊匹配的grep)中，它提到我可以设置参数fixed=FALSE来解释我的模式作为正则表达式。

但是，我无法让它工作!

agrep('(asdf|fdsa)', 'asdf', fixed=F)
# integer(0)

上面应该匹配正则表达式“(asdf|fdsa)”完全匹配本例中的测试字符串“asdf”。

确认:

grep('(asdf|fdsa)', 'asdf', fixed=F)
# 1 : it does match with grep

更令人困惑的是，adist 正确地将模式和字符串之间的距离指定为 0，这意味着 agrep 应该肯定返回 1，而不是大于 integer(0)(0 不可能大于默认的 max.dist = 0.1)。

adist('(asdf|fdsa)', 'asdf', fixed=F)
#      [,1]
# [1,]    0

为什么这不起作用？有什么我不明白的吗？解决方法？我很高兴使用 adist，但不完全确定如何将 agrep 的默认 max.distance=0.1 参数转换为 adist对应的参数。

(是的，我被困在一台旧计算机上，它的性能无法比 R 2.15.2 更好)

> sessionInfo()
R version 2.15.2 (2012-10-26)
Platform: i686-redhat-linux-gnu (32-bit)    
locale:
 [1] LC_CTYPE=en_AU.utf8       LC_NUMERIC=C             
 [3] LC_TIME=en_AU.utf8        LC_COLLATE=en_AU.utf8    
 [5] LC_MONETARY=en_AU.utf8    LC_MESSAGES=en_AU.utf8   
 [7] LC_PAPER=C                LC_NAME=C                
 [9] LC_ADDRESS=C              LC_TELEPHONE=C           
[11] LC_MEASUREMENT=en_AU.utf8 LC_IDENTIFICATION=C      

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base 

Answer 1

tl;dr: agrep(...,fixed=F) 似乎不适用于“|”特点。使用aregexec。

经过进一步调查，我认为这是一个错误，并且 agrep(...,fixed=F) 似乎不能与“|”一起使用正则表达式(尽管 adist(...,fixed=F) 确实如此)。

要详细说明，请注意

adist('(asdf|fdsa)', 'asdf', fixed=T) # 7
nchar('(asdf|fdsa)')                  # 11

如果“asdf”被 agrep 转换为非正则表达式字符串“(asdf|fdsa)”，那么它的距离将为 7。

关于这一点:

agrep('(asdf|fdsa)', 'asdf', fixed=F, max.distance=7) # 1
agrep('(asdf|fdsa)', 'asdf', fixed=F, max.distance=6) # integer(0)

如果fixed=T，这些是我期望的结果。如果 fixed=F，我的正则表达式将完全匹配“asdf”，并且距离将为 0，因此我总是会从 agrep.

所以它看起来agrep(pattern, x,fixed=F)不起作用，即它实际上将fixed视为TRUE某种模式。

正如 @Arun 提到的，它可能只是“|”不起作用的正则表达式。例如，agrep('la[sb]y', 'lazy',fixed=FALSE)确实按预期工作。

<小时/>

编辑:解决方法(感谢@Arun)

函数 aregexec 似乎可以工作。

> aregexec('(asdf|fdsa)', 'asdf', fixed=F)
[[1]]
[1] 1 1
attr(,"match.length")
[1] 4 4