regex - R 中的计数模式匹配

Question

如何有效地计算一个字符串出现在另一个字符串中的实例数？

以下是我迄今为止的代码。它成功地识别出一个字符串的任何实例是否出现在另一个字符串中。但是，我不知道如何将其从 TRUE/FALSE 关系扩展到计数关系。

x <- ("Hello my name is Christopher. Some people call me Chris")
y <- ("Chris is an interesting person to be around")
z <- ("Because he plays sports and likes statistics")

lll <- tolower(list(x,y,z))
dict <- tolower(c("Chris", "Hell"))

mmm <- matrix(nrow=length(lll), ncol=length(dict), NA)

for (i in 1:length(lll)) {
for (j in 1:length(dict)) {
    mmm[i,j] <- sum(grepl(dict[j],lll[i]))
}
}
mmm

它产生:

       [,1] [,2]
 [1,]    1    1
 [2,]    1    0
 [3,]    0    0

由于小写字符串“chris”在 lll[1] 中出现了两次我要 mmm[1,1]是 2 而不是 1。

真实的例子是更高的维度......所以如果代码可以被向量化而不是使用我的强力循环，我会很高兴。

Answer 1

两个快速提示:

避免双循环，你不需要它;)

使用 stringr包裹

library(stringr)

dict <- setNames(nm=dict)  # simply for neatness
lapply(dict, str_count, string=lll)
# $chris
# [1] 2 1 0
#
# $hell
# [1] 1 0 0

或者作为矩阵:

#  sapply(dict, str_count, string=lll)
#      chris hell
# [1,]     2    1
# [2,]     1    0
# [3,]     0    0