代码之家 › 专栏 › 技术社区 › Max TC

在R中匹配并替换字符串中拼写错误的单词

text-processing text-mining string regex r

Max TC · 技术社区 · 7 年前

我有一个短语列表,其中我想用一个类似的单词替换某些单词,以防拼写错误。

library(stringr)
a4 <- "I would like a cheseburger and friees please"
badwords.corpus <- c("cheseburger", "friees")
goodwords.corpus <- c("cheeseburger", "fries")

vect.corpus <- goodwords.corpus
names(vect.corpus) <- badwords.corpus

str_replace_all(a4, vect.corpus)
# [1] "I would like a cheeseburger and fries please"

一切都很完美,直到它找到一个相似的字符串,并用另一个单词替换它

如果我有如下模式:

"plea" ,正确的是 "please" ,但当我执行时,它会将其删除并替换为 "pleased" .

我要寻找的是,如果一个字符串已经正确,它将不再被修改,以防它找到类似的模式。

2 回复 | 直到 7 年前

MKR 7 年前

也许您需要执行渐进式替换。e、 g.您应该有多套 badwords 和 goodwords . 首次替换为 坏话 有更多的字母,这样匹配的模式就找不到了,然后再去找更小的。

根据您提供的列表,我将创建两个集,如下所示:

goodwords1<-c( "three", "teasing") 
badwords1<- c("thre", "teeasing") 

goodwords2<-c("tree", "testing") 
badwords2<- c("tre", "tesing")

首先更换第一套,然后更换第二套。您可以创建许多这样的集合。

acylam 7 年前

str_replace_all 将regex作为模式,因此您可以 paste0 单词边界 \\b 围绕每个 badwords 因此,只有当整个单词匹配时,才会进行替换:

library(stringr)
string <- c("tre", "tree", "teeasing", "tesing") 
goodwords <- c("tree", "three", "teasing", "testing") 
badwords <- c("tre", "thre", "teeasing", "tesing") 

# Paste word boundaries around badwords
badwords <- paste0("\\b", badwords, "\\b")

vect.corpus <- goodwords 
names(vect.corpus) <- badwords 

str_replace_all(string, vect.corpus) 
[1] "tree"    "tree"    "teasing" "testing"

这样做的好处是,您不必跟踪哪些字符串是较长的字符串。

这是什么 坏话 粘贴后看起来像:

> badwords
[1] "\\btre\\b"      "\\bthre\\b"     "\\bteeasing\\b" "\\btesing\\b"

推荐文章

Dima Malko · 如何在指定符号前添加符号?

2 年前

shekharsabale · 从列表元素捕获子字符串

2 年前

Kamran Ali · 类中的Construtor Drink Drink不能应用于给定类型

2 年前

Manny · 如何比较Perl中的字符串?

2 年前

FÄÅ ÛÅ · 字典、列表和字符串

2 年前

displayName is undefined · 如何将字符串转换为非字符串?

2 年前

AntonioGrissini · 如何在python中将字符串“翻译”为整数?

2 年前

Manan Girdhar · 拆分字符串并仅在java中使用第二部分

2 年前

AnxiousLuna · Python使用len()获取数组索引数

2 年前

antonoyaro8 · 数据帧中每列上的Grepl

2 年前