R 代码检查单词是否与模式匹配

Question

我需要根据字符向量模式验证字符串。我当前的代码是：

trim <- function (x) gsub("^\\s+|\\s+$", "", x)

# valid pattern is lowercase alphabet, '.', '!', and '?' AND
# the string length should be >= than 2
my.pattern = c(letters, '!', '.', '?')

check.pattern = function(word, min.size = 2)
{
    word = trim(word)
    chars = strsplit(word, NULL)[[1]]
    all(chars %in% my.pattern) && (length(chars) >= min.size)
}

例子：

w.valid = 'special!'
w.invalid = 'test-me'

check.pattern(w.valid) #TRUE
check.pattern(w.invalid) #FALSE

我想这非常慢......有没有更快的方法来做到这一点？也许是正则表达式？谢谢！

PS：感谢大家的精彩回答。我的目标是构建一个 29 x 29 矩阵，其中行名称和列名称是允许的字符。然后我迭代一个巨大文本文件的每个单词并构建一个“字母优先级”矩阵。例如，考虑单词“special”，从第一个字符开始：

row s, col p -> increment 1
row p, col e -> increment 1
row e, col c -> increment 1
... and so on.

我的代码的瓶颈是向量分配，我是“追加”而不是预先分配最终向量，因此代码执行需要 30 分钟，而不是 20 秒！

Answer 1

有一些内置函数可以清理您的代码。我认为您没有充分利用正则表达式的全部功能。

这里最突出的问题是strsplit。当您使用正则表达式时，逐个字符比较事物的相等性效率很低。这里的模式使用方括号表示法来过滤您想要的字符。*代表任意数量的重复（包括零），而^和$符号代表行的开头和结尾，因此没有其他内容。nchar(word)是相同的length(chars)。更改&&为&使函数矢量化，以便您可以输入字符串向量并获得逻辑向量作为输出。

check.pattern.2 = function(word, min.size = 2)
{
    word = trim(word)
    grepl(paste0("^[a-z!.?]*$"),word) & nchar(word) >= min.size
}
check.pattern.2(c(" d ","!hello  ","nA!","  asdf.!"," d d "))
#[1] FALSE  TRUE FALSE  TRUE FALSE

接下来，使用花括号表示重复次数和一些paste0，该模式可以使用您的 min.size：

check.pattern.3 = function(word, min.size = 2)
{
    word = trim(word)
    grepl(paste0("^[a-z!.?]{",min.size,",}$"),word)
}
check.pattern.3(c(" d ","!hello  ","nA!","  asdf.!"," d d "))
#[1] FALSE  TRUE FALSE  TRUE FALSE

最后，您可以将正则表达式内部化trim：

check.pattern.4 = function(word, min.size = 2)
{
    grepl(paste0("^\\s*[a-z!.?]{",min.size,",}\\s*$"),word)
}
check.pattern.4(c(" d ","!hello  ","nA!","  asdf.!"," d d "))
#[1] FALSE  TRUE FALSE  TRUE FALSE