R语言：筛选数据框中仅由指定字母构成的单词行

错误原因说明 #

你之前的写法存在两个核心问题：

• 正则逻辑错误：用|拼接字母的匹配规则是「只要单词包含任意一个指定字母就会命中」，和你需要的「单词所有字符都属于指定字母集合」的要求不符，所以才会返回所有行。
• 变量名冲突：你用了letters作为自定义变量名，但R内置了常量letters代表全部26个小写字母，容易出现意料之外的问题，建议换用其他变量名。

正确实现方法 #

实现思路

构造正则规则^[允许字符集]+$，各符号含义：

• ^匹配字符串开头
• $匹配字符串结尾
• 中括号包裹的字符集匹配范围内的任意单个字符
• +要求字符至少出现1次
  整套规则的含义就是「从开头到结尾的所有字符都属于指定字符集」。

代码示例

library(tidyverse)

# 构造示例数据
df <- data.frame(words = c("acerbe", "malus", "as", "clade", "after", "sel", "moineau") )
# 定义允许的字母集合，避免和内置变量冲突
allowed_letters <- c("a", "z", "e", "r", "q", "s", "d", "f", "w", "x", "c")
# 构造匹配正则
pattern <- paste0("^[", paste(allowed_letters, collapse = ""), "]+$")
# 筛选符合要求的行
result <- df %>% 
  filter(str_detect(words, pattern))

输出结果

words
1    as

如果需要反向筛选出包含非允许字母的行，仅需给str_detect添加negate = TRUE参数即可。

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