如何用正则表达式在str_detect()中同时匹配单单词与完整短语？

问题场景 #

library(stringr)

vector_to_check <- c("overall survival (os) in melanoma participants (parts b plus d)", "median overall survival (os)", "one- and two-year overall survival rate will be determined.", "overall survival rate (os rate) at month 6 in all participants")

str_detect(vector_to_check, "rate") 
# [1] FALSE FALSE  TRUE  TRUE

str_detect(vector_to_check , "overall survival (os) in melanoma participants (parts b plus d)")
# [1] FALSE FALSE FALSE FALSE

需求是同时匹配两类模式：

• 单个单词，如"rate"、"median"
• 带特殊字符的完整短语，如"overall survival (os) in melanoma participants (parts b plus d)"

问题原因 #

直接用带括号的短语匹配失败，是因为正则表达式中()是分组元字符，会被当成语法规则解析，而非匹配字符串里的字面括号。要匹配这类特殊字符，要么手动转义，要么用fixed()函数强制按字面匹配。

两种解决方法 #

方法1：组合正则表达式（手动转义特殊字符） #

用|（正则的“或”逻辑）连接所有模式，对带特殊字符的短语转义()为\\(和\\)：

# 组合转义后的短语与单个单词
combined_pattern <- "rate|median|overall survival \\(os\\) in melanoma participants \\(parts b plus d\\)"

str_detect(vector_to_check, combined_pattern)
# 输出：[1]  TRUE  TRUE  TRUE  TRUE

方法2：向量模式+批量匹配（简洁无转义） #

将所有模式存入向量，对带特殊字符的短语用fixed()包裹，批量匹配后判断每行是否命中任意模式：

# 定义模式向量，特殊短语用fixed()处理
patterns <- c(
  "rate",
  "median",
  fixed("overall survival (os) in melanoma participants (parts b plus d)")
)

# 批量匹配后判断每行是否有至少一个匹配
result <- rowSums(sapply(patterns, function(p) str_detect(vector_to_check, p))) > 0

result
# 输出：[1]  TRUE  TRUE  TRUE  TRUE

补充提示 #

• 方法2更适合模式数量多或含大量特殊字符的场景，无需手动转义，降低出错概率
• 若需匹配完整单词（避免部分匹配，比如"rated"中的"rate"），可给单词加上正则边界\\b，例如\\brate\\b

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