str_detect()

  文字列の有無を検索する

str_detect(string, pattern)は変数stringに該当するpattern文字列が入っているかどうかを調べる関数。TRUE/FALSEが返される。

通常、patternの部分は一単語だが、複数入れたり条件式にしたい場合がある。

単純な例:patternに検索したい言葉をあてる

> str_detect("今日はよいお天気です", "晴れ")
[1] FALSE
> str_detect("今日はよいお天気です", "天気")
[1] TRUE

複数の言葉で条件を入れたい時::AND条件 OR条件を使い分ける

> str_detect("明日は晴れか曇りかわかりません", "晴れ, 雨")    #AND条件はカンマで区切る=NG
[1] FALSE
> str_detect("明日は晴れか曇りかわかりません", "晴れ, 曇り")  #AND条件はカンマで区切る=NG
[1] FALSE
> str_detect("明日は晴れか曇りかわかりません", "(?=.*晴れ)(?=.*曇り)") #AND条件はやや難しい 
[1] TRUE
> str_detect("明日は晴れか曇りかわかりません", "晴れ|曇り") #OR条件はパイプでつなぐ
[1] TRUE
> str_detect("明日は晴れか曇りかわかりません", c("晴れ","曇り"))  #どちらの条件が該当するかがわかる
[1] TRUE TRUE

始まりの文字列で指定したいときは、str_starts()を使う

> pat = "(REV|Rev|ACC|acc)"
> str_starts(c(" REV", "rev", "Rev/", "REV/ACC"), pattern = regex(pat, ignore_case = T))
[1] FALSE  TRUE  TRUE  TRUE
> str_starts(str_trim(c(" REV", "rev", "Rev/", "REV/ACC")), pattern = regex(pat, ignore_case = T)) #開始の空白を取り除く
[1] TRUE TRUE TRUE TRUE
> pat = "rev|acc"
> str_starts(str_trim(c(" REV", "rev", "Rev/", "REV/ACC")), pattern = regex(pat, ignore_case = T))
[1] TRUE TRUE TRUE TRUE

検索パターンをはじめから正規表現で定義しておくこともできる

> pat = regex(pat, ignore_case=T) #検索パターンをはじめから正規表現で定義しておくこともできる
> pat
[1] "rev|acc"
attr(,"options")
attr(,"options")$case_insensitive
[1] TRUE
attr(,"options")$comments
[1] FALSE
attr(,"options")$dotall
[1] FALSE
attr(,"options")$multiline
[1] FALSE
attr(,"class")
[1] "stringr_regex"   "stringr_pattern" "character"      

> str_starts(str_trim(c(" REV", "rev", "Rev/", "REV/ACC")), pattern = pat)
[1] TRUE TRUE TRUE TRUE

さらに複雑なパターン::正規表現を使う

> string = c("金が増えた", "金が減った", "腹が減った", "金メダルが増えた", "金メダイが食いたい")
> str_detect(string, pattern = "金.*(増|減)")
[1]  TRUE  TRUE FALSE  TRUE FALSE
> str_detect(string, pattern = "金メ.*(増|減)")
[1] FALSE FALSE FALSE  TRUE FALSE
> str_detect(string, pattern = "金が.*(増|減)")
[1]  TRUE  TRUE FALSE FALSE FALSE

以下は松澤教授による

> string = c("金が増えた", "カネを増やす", "金が減った", "腹が減った", "金メダルが増えた", "金メダイが食いたい")
> w1 = c("金", "カネ")
> w2 = c("増", "減")

> pattern1 = paste0("(", paste0(w1, collapse = '|'), ".*", paste0(w2, collapse = '|'),")") 
> str_detect(string, pattern1)
[1] TRUE TRUE TRUE TRUE TRUE TRUE

> w1 = c("が", "金")
> pattern1 = paste0("(", paste0(w1, collapse = '|'),")", ".*", "(", paste0(w2, collapse = '|'),")") 
> pattern1
[1] "(が|金).*(増|減)"
> str_detect(string, pattern1)
[1]  TRUE FALSE  TRUE  TRUE  TRUE FALSE

「.*」は任意の文字数列を表現する

ベテランからのアドバイス

凝った正規表現はロジックの可読性が悪いので、複数に分けてcodingしたほうがよい。