R语言中是否存在支持正则表达式、返回匹配索引的match等价函数？

我们可以通过结合sapply（或purrr工具）与grepl函数，实现支持正则表达式的"match"功能，返回每个语料元素在正则词典中第一个匹配项的索引（与match的行为一致，优先返回首个匹配结果）。

示例代码 #

# 定义语料和正则词典
Corpus <- c('animalada', 'fe', 'fernandez', 'ladrillo')
Lexicon <- c('anima.+$', '.*ez$', '^fe.*$', 'ladr.*$')

# 实现正则匹配并返回索引
regex_match_index <- sapply(Corpus, function(x) {
  # 找到所有匹配当前语料元素的正则词典索引
  match_positions <- which(grepl(Lexicon, x, perl = TRUE))
  # 返回第一个匹配的索引，无匹配则返回NA
  if (length(match_positions) > 0) match_positions[1] else NA
})

# 查看结果
regex_match_index
#> animalada      fe fernandez  ladrillo 
#>          1          3          2          4 

# 验证匹配的正则规则
Lexicon[regex_match_index]
#> [1] "anima.+$" "^fe.*$"   ".*ez$"    "ladr.*$"

补充说明 #

• 如果需要返回所有匹配的索引而非仅第一个，只需去掉代码中的[1]，此时结果会是一个列表，每个元素对应语料项的所有匹配词典索引。
• 若偏好更简洁的语法，可使用purrr包的map_int函数：

  library(purrr)
  regex_match_index <- map_int(Corpus, ~ {
    matches <- which(grepl(Lexicon, .x))
    length(matches) > 0L ? matches[1L] : NA_integer_
  })
  

内容的提问来源于stack exchange，提问作者vintdeux