如何使用R的str_detect排除特定词组'carte d'identité'，仅检测含'identit'词根的内容

嗨，我完全懂你的困扰——想通过str_detect找出包含"identit"词根的文本，但要把"carte d'identité"这个完全无关的组合排除掉对吧？之前的正则写法逻辑不对，所以才出现了反效果，我们来一步步调整解决。

问题出在哪？ #

你之前写的[^carte d']identité是字符组匹配，它的意思是"匹配一个不是c、a、r、t、e、空格、d、'的字符，后面跟着identité"，这和你想要"排除整个'carte d'identité'词组"的需求完全不符，所以才会出现错误的匹配结果。

正确的解决方案：负向后瞻正则 #

我们可以用**负向后瞻断言（negative lookbehind）**来实现这个需求，它能确保匹配"identit"词根的同时，前面不是"carte d'"这个特定前缀。具体的正则写法和代码如下：

library(dplyr)
library(stringr)

# 你的示例数据
df <- data.frame(text = c("Ma carte d\'identité","Notre identité", "ce n'est pas l'identité du pays", "d'identité", "tasty buns"))

# 执行检测，注意要加perl=TRUE启用PCRE正则
df_detect <- df %>% 
  mutate(identit = str_detect(text, "(?<!carte d')identit", perl = TRUE))

正则解释 #

• (?<!carte d')：这是负向后瞻断言，它的作用是检查当前位置的前面不是"carte d'"，完美避开你想排除的词组；
• identit：匹配你需要的词根，能覆盖"identité"、"identitaire"等所有同词根的词；
• perl=TRUE：R的基础正则不支持向后瞻，所以必须启用PCRE模式才能生效。

运行结果 #

执行后你会得到符合预期的结果：

正好实现了你想要的——仅排除"carte d'identité"，其他包含"identit"词根的文本都被正确检测到。

如果之后还有其他类似需要排除的词组，只要扩展负向后瞻部分就行，比如(?<!carte d')(?<!autre_exclusion )identit就可以同时排除多个前缀~

备注：内容来源于stack exchange，提问作者Samnang