如何在str_count中正确使用[:graph:]等正则辅助类统计唯一字符

错误原因 #

你遇到的问题本质是str_count的用法和POSIX字符类的书写规则问题：

• 原代码中str_count(x, "[:graph:]")会返回整个字符串里所有符合规则的字符的总出现次数，你对这个总次数判断>0，只会得到1个逻辑值，求和后自然恒为1（只要字符串存在符合规则的字符），无法统计唯一字符数量
• POSIX字符类在正则表达式中使用时，需要包裹在额外的方括号内，正确写法为[[:graph:]]，否则可能出现匹配异常

[[:graph:]]匹配所有可打印的非空白字符，包含字母、数字、标点符号，刚好符合你需要的匹配规则，空格等空白字符会被自动排除，和你原来手动指定letters, 0:9, "-"的匹配逻辑完全一致。

解决代码 #

library(tidyverse)
test <- data.frame(oe = c("A-1", "111", "-", "Sie befassen sich intensiv damit"))

test %>%
  mutate(unique_chars_correct = sapply(tolower(oe), function(x) sum(str_count(x, c(letters, 0:9, "-")) > 0)),
         # 基于[:graph:]的正确统计逻辑
         unique_chars_graph = sapply(tolower(oe), function(x) {
           # 拆分字符串为单个字符
           single_chars <- strsplit(x, split = "")[[1]]
           # 筛选符合[:graph:]规则的字符，去重后计数
           length(unique(single_chars[str_detect(single_chars, "[[:graph:]]")]))
         }))

输出结果 #

oe unique_chars_correct unique_chars_graph
1                              A-1                    3                  3
2                              111                    1                  1
3                                -                    1                  1
4 Sie befassen sich intensiv damit                   13                 13

内容的提问来源于stack exchange，提问作者deschen