R语言带排除条件的文本关键词匹配正则报错求助

报错原因 #

1. R默认的grepl使用POSIX正则语法，不支持PCRE风格的负向预查(?!...)，必须开启perl=TRUE参数才能使用这类高级正则特性。
2. 在R字符串中，正则的单词边界\b需要转义为\\b，否则会被解析为无效的特殊字符。

推荐实现方案（拆分逻辑，更易维护） #

把需求拆成两个独立判断条件再组合，比写复杂正则更清晰，也方便后续调整：

# 原始目标词汇列表
self_cat <- c('illness', 'mood', 'fatigue', 'tension', 'anxiety', 'health')
# 新增的责任相关词汇
resp_cat <- c('responsibility', 'responsible', 'irresponsible')

# 条件1：文本包含原始词汇列表中的任意词
cond1 <- grepl(paste(self_cat, collapse='|'), D1$text1, ignore.case = TRUE)
# 条件2：文本包含责任相关词汇，且完全不含"war"（不区分大小写）
cond2 <- grepl(paste(resp_cat, collapse='|'), D1$text1, ignore.case = TRUE) & 
         !grepl('war', D1$text1, ignore.case = TRUE)

# 合并条件：满足任一条件则赋值1，否则0
D1$self <- as.integer(cond1 | cond2)

单正则表达式实现方案（适合偏好简洁写法的场景） #

如果想用单条正则完成，需要开启perl=TRUE并修正正则语法：

self_cat <- c('illness', 'mood', 'fatigue', 'tension', 'anxiety', 'health',
              # 用正向预查确保包含责任相关词，负向预查确保不含war
              '(?=.*\\b(responsibility|responsible|irresponsible)\\b)(?!.*war)')

D1$self <- as.integer(grepl(paste(self_cat, collapse='|'), D1$text1, 
                            ignore.case = TRUE, perl=TRUE))

注意事项 #

• 两种方案都保留了ignore.case=TRUE，确保匹配不区分大小写（比如能识别"Responsible"或"WAR"）。
• 拆分逻辑的方案更易调试，后续要新增/修改词汇时，直接调整列表即可，无需修改正则规则。

内容的提问来源于stack exchange，提问作者user3315563