1

como puedo lograr que el str_replace_all cuando realice la primera sustitución(coincidencia) se pare y no siga buscando mas coincidencias en el diccionario

codigo que tengo.

library(stringr)

x <- c("VALLE PINO CORSO","LA PAZ","PAZ")

diccionario malas palabras (malpal) y buenas palabras (buenapal) no puedo hacer modificaciones en el orden de estos.

malpal.corpus <-  c("PINO CORSO","PAZ","PINO CORZO") #  patron
buenapal.corpus <- c("VALLE PINO CORZO","LA PAZ","VALLE PINO CORZO") # reemplazo

malpal.corpus <- str_c("\\b",malpal.corpus,"\\b")

vect.corpus <- buenapal.corpus
names(vect.corpus) <- malpal.corpus


str_replace_all(x, vect.corpus)

[1] "VALLE VALLE VALLE PINO CORZO" "LA LA PAZ"                      "LA PAZ"

Lo que busco es esto que solo la función "str_replace_all" deje la primera coincidencia

[1] "VALLE PINO CORZO" "LA PAZ"                      "LA PAZ"

por lo menos me gustaría reducir una similitud de VALLE :

[1] "VALLE VALLE PINO CORZO" "LA LA PAZ"                      "LA PAZ"
4
  • Intenta con str_replace en lugar de str_replace_all Commented el 15 feb. 2018 a las 22:43
  • Viendo tu resultado esperado, pareciera que únicamente estás buscando reemplazar coincidencias exactas
    – Mariano
    Commented el 15 feb. 2018 a las 23:45
  • Efectivamente @Mariano
    – user68903
    Commented el 16 feb. 2018 a las 17:54
  • Hola @Marco Izaguirre gracias por tu respuesta pero lo que busco es un poco mas complejo. En realidad la funcion " str_replace " solo cambia la primera coincidencia en un registro y pasa al siguiente registro, en cambio " str_replace_all " remplaza todas las coincidencias en un registro y pasa al siguiente registro, lo que busco es que se consigan las posibles coincidencias en un registro por lo tanto se utilizaría " str_replace_all " en caso de realizarlo con expresiones regulares
    – user68903
    Commented el 16 feb. 2018 a las 18:05

2 respuestas 2

3

En base al ejemplo que aportas, creo que el problema, tal como te lo comentó @Mariano es más de búsqueda exacta que de uso de expresiones regulares. Una forma de resolverlo sería la siguiente:

malpal.corpus <-  c("PINO CORSO","PAZ","PINO CORZO") #  patron
buenapal.corpus <- c("VALLE PINO CORZO","LA PAZ","VALLE PINO CORZO") # reemplazo
casos <- c("VALLE PINO CORSO","LA PAZ","PAZ")

replace.items <- sapply(seq_along(casos), function(x) buenapal.corpus[match(casos[x],malpal.corpus)])
ifelse(is.na(replace.items), casos, replace.items)

El resultado:

[1] "VALLE PINO CORSO" "LA PAZ"           "LA PAZ"

Como puedes ver, logramos reemplazar "PAZ" por "LA PAZ", no así "VALLE PINO CORSO", pero esto se resuelve simplemente agregando el nuevo caso:

malpal.corpus <-  c("VALLE PINO CORSO","PINO CORSO","PAZ","PINO CORZO") #  patron
buenapal.corpus <- c("VALLE PINO CORZO","VALLE PINO CORZO","LA PAZ","VALLE PINO CORZO") # reemplazo

La lógica es relativamente sencilla, con sapply aplicamos sobre cada cadena de casos, un match() para ver si coincide con alguna de las palabras erróneas y en caso que así fuera, recuperamos la palabra correcta que le corresponde: buenapal.corpus[match(casos[x],malpal.corpus)]. Al final en replace.items tendremos un vector de la misma cantidad de casos con las palabras a reemplazar o NA en caso de no coincidencia, por lo que, lo único que resta es hacer el reemplazo: ifelse(is.na(replace.items), casos, replace.items).

1
  • Creo que esto es lo que estaba buscando gracias @Patricio Moracho e investigare mas sobre las funciones de sapply
    – user68903
    Commented el 16 feb. 2018 a las 17:49
3

Si realmente necesitas las expresiones regulares, puedes escribirlas de forma tal que minimicen los conflictos que tienes, por ejemplo:

library(stringr)
malpal.corpus <-  c("\\bVALLE PINO CORSO\\b|\\bPINO CORSO\\b","\\bLA PAZ\\b|\\bPAZ\\b") #  patron
buenapal.corpus <- c("VALLE PINO CORZO", "LA PAZ")
vect.corpus <- buenapal.corpus
names(vect.corpus) <- malpal.corpus

x <- c("VALLE PINO CORSO","LA PAZ","PAZ", "PINO CORSO")
str_replace_all(x, vect.corpus)

Salida:

[1] "VALLE PINO CORZO" "LA PAZ"           "LA PAZ"           "VALLE PINO CORZO"

Si te fijas por ejemplo el caso de "\\bVALLE PINO CORSO\\b|\\bPINO CORSO\\b" usamos el | u OR, cualquiera de los dos casos, el primero que ocurra "matcheara" con "VALLE PINO CORZO", con lo cual con "VALLE PINO CORSO" aplicará el primer patrón \\bVALLE PINO CORSO\\b y no generará problemas.

4
  • Estaba esperando tu respuesta!! Había intentado de la forma que pide el autor y no le encontré la vuelta
    – Mariano
    Commented el 16 feb. 2018 a las 14:43
  • @Mariano, por el lado de las expresiones regulares tengo un manejo bastante elemental, con decirte que estuve a punto de ofrecerle al OP una función para evaluar todos los patrones por cada palabra y elegir el primero hasta que me acorde de |.. Commented el 16 feb. 2018 a las 14:51
  • justamente pensé que me iba a salir de esa forma, evaluando uno por uno y frenando en la primera sustitución. Pensé que con las funciones de r lo iba a sacar de una forma "elegante", sin un loop, pero mi manejo elemental está justamente ahí, en el lenguaje :-) Pero viendo tu respuesta, es excelente, y fácilmente de escalar para unir los términos con | cuando tengan el mismo reemplazo.
    – Mariano
    Commented el 16 feb. 2018 a las 14:58
  • No es necesario realizar lo con expresiones regulares, pero seria una respuesta muy útil en algún otro caso
    – user68903
    Commented el 16 feb. 2018 a las 17:51

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.