Question

我有一个位置向量，我试图消除正确位置名称向量的歧义。对于这个例子，我只使用了两个消除歧义的位置：

agrepl('Au', c("Austin, TX", "Houston, TX"), 
max.distance =  .000000001, 
ignore.case = T, fixed = T)
[1] TRUE TRUE

帮助页面显示max.distance是

匹配所允许的最大距离。表示为整数，或表示模式长度的一部分乘以最大转换成本

我不确定Levensthein距离的数学意义;我的理解是距离越小，对我的歧义字符串向量的不匹配的容忍度就越严格。

所以我会调整它以检索两个FALSE ？基本上我只想在1个字符的差异时才有TRUE，如：

agrepl('Austn, TX', "Austin, TX", 
max.distance =  .000000001, ignore.case = T, fixed = T)
[1] TRUE

Answer 1

您遇到的问题可能类似于我在这里开始实验时遇到的问题。当fixed = TRUE时，第一个参数是正则表达式模式，因此如果不限制为完整字符串，则小模式是非常宽松的。帮助页面甚至有关于该问题的“注意”：

由于不经意地阅读描述的人甚至提交了错误报告，请注意这与x的每个元素的子串匹配（就像grep一样）而不是整个元素。

使用正则表达式模式，您可以将pattern字符串放在“^”和“$”旁边，因为与adist不同，agrepl没有部分参数：

> agrepl('^Au$', "Austin, TX", 
+ max.distance =  c(insertions=.15),  ignore.case = T, fixed=FALSE)
[1] FALSE
> agrepl('^Austn, TX$', "Austin, TX", 
+ max.distance =  c(insertions=.15),  ignore.case = T, fixed=FALSE)
[1] TRUE
> agrepl('^Austn, T$', "Austin, TX", 
+ max.distance =  c(insertions=.15),  ignore.case = T, fixed=FALSE)
[1] FALSE

所以你需要使用这些flankers来粘贴0：

> agrepl( paste0('^', 'Austn, Tx', '$'), "Austin, TX", 
+ max.distance =  c(insertions=.15),  ignore.case = T, fixed=FALSE)
[1] TRUE
> agrepl( paste0('^', 'Au', '$'), "Austin, TX", 
+ max.distance =  c(insertions=.15),  ignore.case = T, fixed=FALSE)
[1] FALSE

最好使用all而不仅仅是insertions，您可能希望降低分数。

如何匹配一个字符的容差？

1 个答案: