R语言无法对数据框执行grep？as.character()使用误区求助

原问题描述 #

我尝试对一个含两列制表分隔数据的数据框执行grep操作，数据框示例如下：

V1            V2
17 nempruntèrent ɑ̃ p ʁ ɛ̃ t ɛ ʁ
18     vemprunté   ɑ̃ p ʁ ɛ̃ t e
19    fempruntée   ɑ̃ p ʁ ɛ̃ t e
20   wempruntées   ɑ̃ p ʁ ɛ̃ t e
21    2empruntés   ɑ̃ p ʁ ɛ̃ t e

使用test <- read.delim('Test.txt', header=FALSE)读取数据框后，执行grep("un", test, value = TRUE)返回named character(0)，无法找到目标字符串。尝试用as.character(test)转换数据框，结果出现大量NA，打印test得到无意义向量，再次执行grep仍返回character(0)。请问如何正确对该数据集执行grep操作？

优化后的解决方案 #

问题已解决，通过调整代码逻辑，不再对数据框执行grep，改为直接按行读取文本并处理，优化后的代码如下：

# 1. 筛选同时包含"un"和"ɛ̃"的行
original_lines <- readLines('Test.txt')
lines_with_pattern <- grep('un.*ɛ̃', original_lines, value = TRUE)

# 可修改此处的目标音素和替换音素

# 2. 复制匹配行并替换指定音素
modified_lines <- character()
for (line in lines_with_pattern)
  modified_lines <- c(modified_lines, gsub("ɛ̃", "œ̃", line))

# 3. 合并原数据和修改后的数据
all_lines <- c(original_lines, modified_lines)

# 4. 按字母顺序排序
sorted_lines <- sort(all_lines)

# 5. 将结果写入文件
writeLines(sorted_lines, 'myfile.txt', sep = '\\n')

思路说明 #

原方法的问题在于直接对数据框使用grep，grep默认处理向量而非数据框结构，转换数据框为字符向量时会因数据框的列结构导致异常。改为用readLines读取整行文本后，能直接对每行内容进行正则匹配和修改，避免了数据框结构带来的干扰，同时更高效地完成文本筛选、替换、合并和排序的需求。

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