Приблизительное соответствие и замена в тексте R

Question

У меня есть одно предложение, где я хочу заменить только часть строки номером. Если мы имеем точное соответствие, функция gsub работает отлично.

gsub('great thing', 5555 ,c('hey this is a great thing')) 
gsub('good rabbit', 5555 ,c('hey this is a good rabbit in the field')) 

Но теперь у меня есть следующая проблема. Как я могу применить функцию нечеткого соответствия к строке, если в части строки есть ошибка?

gsub('great thing', 5555 ,c('hey this is a graet thing')) 
gsub('good rabbit', 5555 ,c('hey this is a goood rabit in the field')) 

Алгоритм должен понять, что «великая вещь» и «graet вещь» или «хороший кролик» и «GoooD Rabit» очень похожи и должна быть заменена на номере 5555. Лучше всего, если мы можем использовать Расстояние Jaro Winkler, чтобы найти приблизительное соответствие внутри строки, а затем заменить приблизительную подстроку. Мне нужен очень абстрактный алогритм, который может это сделать.

Любые идеи?

Answer 1

Некоторые agrep примеры:

agrep("lasy", "1 lazy 2") 
agrep("lasy", "1 lazy 2", max = list(sub = 0)) 
agrep("laysy", c("1 lazy", "1", "1 LAZY"), max = 2) 
agrep("laysy", c("1 lazy", "1", "1 LAZY"), max = 2, value = TRUE) 
agrep("laysy", c("1 lazy", "1", "1 LAZY"), max = 2, ignore.case = TRUE) 

agrep находится в базе. Если вы загружаете stringdist, вы можете рассчитать расстояние до строки с помощью Jarro-Winkler с (как вы догадались) stringdist, или если вы ленивы, вы можете просто использовать ain или amatch. Для моих целей я предпочитаю использовать Damerau-Levenshtein (method="dl") больше, но ваш пробег может отличаться.

Просто убедитесь, чтобы прочитать как именно параметры алгоритма работы, прежде чем использовать его (т.е. установить ваш р, значение Q и MaxDist до уровней, которые делают смысл, учитывая то, что вы делаете)