r - 与 R 中的 max.distance 相关的意外 agrep() 结果

Question

编辑:这个错误是在 32 位版本的 R 中发现的，已在 R 版本 2.9.2 中得到修复。

---

这是@leoniedu 今天发给我的推特，我没有他的答案，所以我想我会把它贴在这里。

我已经阅读了 agrep()(模糊字符串匹配)的文档，看来我并不完全理解 max.distance 参数。这是一个例子:

pattern <- "Staatssekretar im Bundeskanzleramt"
x <- "Bundeskanzleramt"
agrep(pattern,x,max.distance=18) 
agrep(pattern,x,max.distance=19)

这完全符合我的预期。字符串之间有 18 个字符不同，所以我希望这是匹配的阈值。这是让我感到困惑的地方:

agrep(pattern,x,max.distance=30) 
agrep(pattern,x,max.distance=31)
agrep(pattern,x,max.distance=32) 
agrep(pattern,x,max.distance=33)

为什么 30 和 33 匹配，而不是 31 和 32？为了节省你一些计数，

> nchar("Staatssekretar im Bundeskanzleramt")
[1] 34
> nchar("Bundeskanzleramt")
[1] 16

Answer 1

我不久前将其发布在 R 列表中，并在 R-bugs-list 中报告为错误。我没有得到有用的回复，所以我发推特看看这个错误是否可以重现，或者我只是遗漏了什么。 JD Long 能够重现它并在此贴出问题。

请注意，至少在 R 中，agrep 是用词不当，因为它不匹配正则表达式，而 grep 代表“全局搜索正则表达式并打印”。比目标向量长的模式应该没有问题。 (我想!)

在我的 Linux 服务器上，一切都很好，但在我的 Mac 和 Windows 机器上却不是这样。

麦克: session 信息()R 版本 2.9.1 (2009-06-26)i386-苹果-darwin8.11.1语言环境:en_US.UTF-8/en_US.UTF-8/C/C/en_US.UTF-8/en_US.UTF-8

agrep(模式，x，最大距离=30)[1] 1

agrep(pattern,x,max.distance=31) integer(0) agrep(pattern,x,max.distance=32) integer(0) agrep(pattern,x,max.distance=33) [1] 1

Linux:R 版本 2.9.1 (2009-06-26)x86_64-未知-linux-gnu

语言环境:LC_CTYPE=en_US.UTF-8；LC_NUMERIC=C；LC_TIME=en_US.UTF-8；LC_COLLATE=en_US.UTF-8；LC_MONETARY=C；LC_MESSAGES=en_US.UTF-8；LC_PAPER=en_US.UTF-8；LC_NAME= C;LC_ADDRESS=C;LC_TELEPHONE=C;LC_MEASUREMENT=en_US.UTF-8;LC_IDENTIFICATION=C

agrep(pattern,x,max.distance=30) [1] 1 agrep(pattern,x,max.distance=31) [1] 1 agrep(pattern,x,max.distance=32) [1] 1 agrep(pattern,x,max.distance=33) [1] 1