regex - 回复 grep : Match one string against multiple patterns

Question

在 R 中，grep 通常将多个字符串的向量与一个正则表达式匹配。

问:是否有可能将单个字符串与多个正则表达式匹配？ (不循环遍历每个正则表达式模式)？

一些背景:

我有 7000 多个关键字作为多个类别的指标。我无法更改该关键字字典。字典结构如下(第1列的关键字，数字表示这些关键字所属的类别):

ab  10  37  41
abbrach*    38
abbreche    39
abbrich*    39
abend*  37
abendessen* 60  63
aber    20  23  45
abermals    37

用“|”连接这么多关键字不是一种可行的方法(我不知道哪个关键字产生了命中)。
此外，仅仅颠倒“模式”和“字符串”是行不通的，因为模式有截断，反之则行不通。

[ related question , 其他编程语言]

Answer 1

将 regexpr 函数应用于关键字向量怎么样？

keywords <- c("dog", "cat", "bird")

strings <- c("Do you have a dog?", "My cat ate by bird.", "Let's get icecream!")

sapply(keywords, regexpr, strings, ignore.case=TRUE)

     dog cat bird
[1,]  15  -1   -1
[2,]  -1   4   15
[3,]  -1  -1   -1

    sapply(keywords, regexpr, strings[1], ignore.case=TRUE)

 dog  cat bird 
  15   -1   -1 

返回的值是匹配中第一个字符的位置， -1意思是不匹配。

如果匹配的位置不相关，使用 grepl反而:

sapply(keywords, grepl, strings, ignore.case=TRUE)

       dog   cat  bird
[1,]  TRUE FALSE FALSE
[2,] FALSE  TRUE  TRUE
[3,] FALSE FALSE FALSE

更新:这在我的系统上运行速度相对较快，即使有大量关键字:

# Available on most *nix systems
words <- scan("/usr/share/dict/words", what="")
length(words)
[1] 234936

system.time(matches <- sapply(words, grepl, strings, ignore.case=TRUE))

   user  system elapsed 
  7.495   0.155   7.596 

dim(matches)
[1]      3 234936