测试字符串中是否包含字符

你想要：grepl

> chars <- "test"
> value <- "es"
> grepl(value, chars)
[1] TRUE
> chars <- "test"
> value <- "et"
> grepl(value, chars)
[1] FALSE

使用函数grepl

grepl( needle, haystack, fixed = TRUE)

这样：

grepl(value, chars, fixed = TRUE)
# TRUE

用于了解更多信息。?grepl

你可以使用grep

grep("es", "Test")
[1] 1
grep("et", "Test")
integer(0)

使用包中的此函数：stringi

> stri_detect_fixed("test",c("et","es"))
[1] FALSE  TRUE

一些基准：

library(stringi)
set.seed(123L)
value <- stri_rand_strings(10000, ceiling(runif(10000, 1, 100))) # 10000 random ASCII strings
head(value)

chars <- "es"
library(microbenchmark)
microbenchmark(
   grepl(chars, value),
   grepl(chars, value, fixed=TRUE),
   grepl(chars, value, perl=TRUE),
   stri_detect_fixed(value, chars),
   stri_detect_regex(value, chars)
)
## Unit: milliseconds
##                               expr       min        lq    median        uq       max neval
##                grepl(chars, value) 13.682876 13.943184 14.057991 14.295423 15.443530   100
##  grepl(chars, value, fixed = TRUE)  5.071617  5.110779  5.281498  5.523421 45.243791   100
##   grepl(chars, value, perl = TRUE)  1.835558  1.873280  1.956974  2.259203  3.506741   100
##    stri_detect_fixed(value, chars)  1.191403  1.233287  1.309720  1.510677  2.821284   100
##    stri_detect_regex(value, chars)  6.043537  6.154198  6.273506  6.447714  7.884380   100

以防万一您还想检查一个字符串（或一组字符串）是否包含多个子字符串，您还可以在两个子字符串之间使用“|”。

>substring="as|at"
>string_vector=c("ass","ear","eye","heat") 
>grepl(substring,string_vector)

你会得到

[1]  TRUE FALSE FALSE  TRUE

因为第一个单词包含子字符串“as”，最后一个单词包含子字符串“at”

使用 or 但请注意是否要使用正则表达式。grepgrepl

默认情况下，和 related 采用正则表达式进行匹配，而不是文字子字符串。如果您不希望出现这种情况，并且尝试在无效的正则表达式上进行匹配，则它不起作用：grep

> grep("[", "abc[")
Error in grep("[", "abc[") : 
  invalid regular expression '[', reason 'Missing ']''

要执行真正的子字符串测试，请使用 .fixed = TRUE

> grep("[", "abc[", fixed = TRUE)
[1] 1

如果你确实想要正则表达式，那很好，但这不是 OP 所要求的。

答

唉，我花了 45 分钟才找到这个简单问题的答案。答案是：grepl(needle, haystack, fixed=TRUE)

# Correct
> grepl("1+2", "1+2", fixed=TRUE)
[1] TRUE
> grepl("1+2", "123+456", fixed=TRUE)
[1] FALSE

# Incorrect
> grepl("1+2", "1+2")
[1] FALSE
> grepl("1+2", "123+456")
[1] TRUE

---

解释

grep以 linux 可执行文件命名，它本身就是“Global Regular Expression Print”的首字母缩写，它会读取输入行，然后打印它们，如果它们与您给出的参数匹配。“全局”意味着匹配可以发生在输入行上的任何位置，我将在下面解释“正则表达式”，但这个想法是匹配字符串的更智能的方法（R 称之为“字符”，例如 ），和“打印”因为它是一个命令行程序，发出输出意味着它打印到其输出字符串。class("abc")

现在，该程序基本上是一个过滤器，从输入行到输出行。似乎 R 的函数同样会接受一个输入数组。出于我完全不知道的原因（我大约一个小时前才开始玩 R），它返回匹配索引的向量，而不是匹配列表。grepgrep

但是，回到你最初的问题，我们真正想知道我们是否大海捞针，一个真/假值。他们显然决定将这个函数命名为 “grep”，但返回值为“Logical”（他们调用 true 和 false 逻辑值，例如 ）。greplclass(TRUE)

所以，现在我们知道这个名字从何而来以及它应该做什么。让我们回到正则表达式。这些参数，即使它们是字符串，它们也用于构建正则表达式（以下称为正则表达式）。正则表达式是一种匹配字符串的方法（如果这个定义激怒了你，那就放手吧）。例如，正则表达式与字符匹配 ，正则表达式与字符匹配 0 次或更多次，正则表达式将与字符匹配 1 次或多次。因此，在上面的例子中，我们正在搜索的针，当被视为正则表达式时，意味着“一个或多个 1 后跟 2”......但是我们的紧随其后的是加号！a"a"a*"a"a+"a"1+2

所以，如果你使用没有设置，你的针会意外地成为大海捞针，而且会经常意外地工作，我们可以看到它甚至适用于 OP 的示例。但这是一个潜在的错误！我们需要告诉它输入是一个字符串，而不是正则表达式，这显然是它的用途。为什么要修复？没有线索，把这个答案加入书签，你可能要再查 5 次才能记住它。greplfixedfixed

最后的几点想法

你的代码越好，你就越少需要知道的历史来理解它。每个参数至少可以有两个有趣的值（否则它不需要是一个参数），文档在这里列出了 9 个参数，这意味着至少有 2^9=512 种方法可以调用它，这需要大量的工作来编写、测试和记住......解耦这些函数（将它们拆分，删除彼此的依赖关系，字符串与正则表达式不同，与向量不同）。有些选项也是相互排斥的，不要给用户不正确的代码使用方式，即有问题的调用应该在结构上是无意义的（例如传递一个不存在的选项），而不是逻辑上的无意义（你必须发出警告来解释它）。打个比方：用一堵墙代替 10 楼一侧的前门比挂一个警告不要使用它的标志要好，但两者都比不好。在接口中，函数定义参数应该是什么样子，而不是调用者（因为调用者依赖于函数，推断每个人可能想要调用它的所有内容都会使函数也依赖于调用者，这种类型的周期性依赖关系将很快阻塞系统，并且永远不会提供您期望的好处）。要非常警惕模棱两可的类型，像 和 和 都是向量的东西是一个设计缺陷。TRUE0"abc"

此外，可以使用“stringr”库来完成：

> library(stringr)
> chars <- "test"
> value <- "es"
> str_detect(chars, value)
[1] TRUE

### For multiple value case:
> value <- c("es", "l", "est", "a", "test")
> str_detect(chars, value)
[1]  TRUE FALSE  TRUE FALSE  TRUE

类似的问题在这里：给定一个字符串和一个关键字列表，检测字符串中包含哪些关键字（如果有）。

此线程的建议建议 's 和 .以下是该软件包中的基准测试：stringrstr_detectgreplmicrobenchmark

用

map_keywords = c("once", "twice", "few")
t = "yes but only a few times"

mapper1 <- function (x) {
  r = str_detect(x, map_keywords)
}

mapper2 <- function (x) {
  r = sapply(map_keywords, function (k) grepl(k, x, fixed = T))
}

然后

microbenchmark(mapper1(t), mapper2(t), times = 5000)

我们发现

Unit: microseconds
       expr    min     lq     mean  median      uq      max neval
 mapper1(t) 26.401 27.988 31.32951 28.8430 29.5225 2091.476  5000
 mapper2(t) 19.289 20.767 24.94484 23.7725 24.6220 1011.837  5000

---

如您所见，使用和处理实际的关键字字符串和向量进行超过 5,000 次关键字搜索迭代，其性能比 .str_detectgreplgreplstr_detect

结果是布尔向量，用于标识字符串中包含哪些关键字（如果有）。r

因此，我建议使用 grepl 来确定字符串中是否有任何关键字。