R语言grepl多关键词搜索数据框评论的问题及后续异常求助

首先，你遇到的第一个警告是因为grepl()的pattern参数默认只接受单个正则表达式字符串，当你传入一个关键词向量时，它只会取第一个元素，这就是为什么只有'retag'被识别的原因。

正确实现多关键词搜索的方法 #

要匹配任意一个关键词，你需要把关键词向量合并成一个用|分隔的正则表达式（|在正则里表示“或”的逻辑），然后传给grepl()。同时可以加上ignore.case=TRUE参数，这样就不用重复写大小写不同的关键词，大幅简化你的代码：

# 合并关键词为正则模式，启用忽略大小写
keywords <- c('retag','lost','Was', 'was','original','change','CHANGE','check','CHECK','switched','temp only','should', 'had tag','new','give','GIVE', 'given','^--', 'tag', 'TAG', 'tags', 'tagged', 'temp', 'Temporarily', 'Temporary', 'Released', 'removed', 'Processing', 'processing', 'Processed', 'previously', 'pit', 'pits', 'PIT', 'orig', 'original', 'old', 'OLD', 'new', 'New', 'not', 'listed', 'last', 'had', 'could', 'Chech', 'assigned')
keyword_pattern <- paste(keywords, collapse = "|")

# 数据处理流程
do.call(rbind, breeder[-1]) %>%
  select(Year, `Old Tag`, Tag_11, PIT, `Sex Orig`, Group, Comments) %>%
  filter(`Sex Orig` != "m", grepl(keyword_pattern, Comments, ignore.case = TRUE)) %>%
  arrange(desc(PIT)) %>%
  print.data.frame

关于更新后部分关键词未识别的问题 #

你更新后的代码里有一个关键错误：使用paste0(., collapse = " | ")时，|前后加了空格，这会让正则表达式认为你要匹配带前后空格的关键词（比如" Released "），而如果你的Comments里是"Released in 2021"或者"dog was released"这种没有前后空格的内容，就会匹配失败。

另外，同样可以用ignore.case=TRUE来避免重复写大小写不同的关键词，简化你的deadKeywords：

修正后的代码：

# 简化关键词列表，用ignore.case处理大小写差异
deadKeywords <- c('died', 'Released', 'processed', 'process', 'dead')
dead_pattern <- paste(deadKeywords, collapse = "|")

commentSearch <- do.call(rbind, breeder[-1]) %>%
  select(Year, `Old Tag`, Tag_11, PIT, Sex, Orig, Group, Comments) %>%
  filter(grepl(dead_pattern, Comments, ignore.case = TRUE)) %>%
  arrange(desc(PIT)) %>%
  print.data.frame

如果想要更精确的匹配（比如避免匹配到包含关键词的更长单词，比如process匹配到processing），可以给每个关键词加上单词边界\\b，比如：

dead_pattern <- paste(paste0("\\b", deadKeywords, "\\b"), collapse = "|")

这样就只会匹配完整的单词，如果你只需要包含该字符串即可，就不需要加单词边界。

内容的提问来源于stack exchange，提问作者Constantin