Extrahieren von Zeichen, die sich zwischen zwei strings

Habe ich verwendet adist berechnen Sie die Anzahl der Zeichen, die sich zwischen zwei Saiten:

a <- "Happy day"
b <- "Tappy Pay"
adist(a,b) # result 2

Nun möchte ich diese zu extrahieren Zeichen, die sich voneinander unterscheiden. In meinem Beispiel würde ich gerne den string "Hd" (oder "TP" hat, ist es egal).

Ich versuchte, in adist, agrep und stringi aber nichts gefunden.

  • Ich schlage vor, Sie rückgängig machen, die Bearbeiten und eine neue Frage stellen. In dieser neuen Frage, die Sie haben viel mehr Informationen über Ihre realen Daten. Zum Beispiel spielt es enorm, ob Sie wissen, dass die andere Zeichenfolge ist am Anfang vs. am Ende der Zeichenfolge. Sie haben auch, um uns zu sagen, wenn Ihr problem bezieht sich auf die longest common substring problem.
  • Vereinbart wurde, rückgängig machen, Bearbeiten, akzeptieren die beste Antwort und eine neue Frage stellen. Die Frage ist ganz wesentlich anders, und eine Menge Leute haben eine Menge Arbeit bereits.
InformationsquelleAutor Dario Lacan | 2015-03-03
  1. 16

    Können Sie die folgende Sequenz von Vorgängen:

    • split den string mit strsplit().
    • Verwenden setdiff() zu vergleichen, die Elemente
    • Wickeln Sie Sie in einer reduzierenden Funktion

    Versuchen Sie dies:

    Reduce(setdiff, strsplit(c(a, b), split = ""))
[1] "H" "d"
    • Dies ist verkommen code golf, isnt es? 🙂
    • do.call(setdiff, strsplit(c(a, b), split = "")) werden wahrscheinlich effizienter
    • Zweite arg zu strsplit ist split so brauchen Sie nicht, es zu benennen, wenn Sie möchten, zu bekommen, die in weniger Schüsse.
    • Nicht, wenn Sie spielen-code-golf. Reduce ist ein kleiner Tastendruck als do.call 🙂
    • Da die Anzahl der Antworten auf eine Frage der Programmierung wächst die Wahrscheinlichkeit, dass es verkommen code golf Ansätze 1.
    InformationsquelleAutor Andrie
  2. 7

    Aufgeteilt in die Buchstaben und nehmen Sie die Differenz als sets

    > setdiff(strsplit(a,"")[[1]],strsplit(b,"")[[1]])
[1] "H" "d"
    InformationsquelleAutor Spacedman
  3. 4

    Nicht wirklich stolz auf diese, aber es scheint, um den job zu erledigen:

    sapply(setdiff(utf8ToInt(a), utf8ToInt(b)), intToUtf8)

    Ergebnisse:

    [1] "H" "d"
    • Das ist ein schönes. Wahrscheinlich könnte man Vektorisieren es durch intToUtf8(setdiff(utf8ToInt(a), utf8ToInt(b)))
    InformationsquelleAutor JasonAizkalns
  4. 3

    Können Sie eine der Variablen als regex Zeichenklasse und gsub aus dem anderen:

    gsub(paste0("[",a,"]"),"",b)
[1] "TP"
gsub(paste0("[",b,"]"),"",a)
[1] "Hd"
    • Funktioniert das, wenn die Saiten haben regexpy-special chars in Ihnen?
    • Ja, guter Fang, spezielle Charakter-Klasse regex, wie ^ und - Probleme verursachen können. Dies könnte ein besonderes Problem mit Bindestrich-Wörtern.
    InformationsquelleAutor James
  5. 2

    Solange a und b haben die gleiche Länge wir dies tun können:

    s.a <- strsplit(a, "")[[1]]
s.b <- strsplit(b, "")[[1]]
paste(s.a[s.a != s.b], collapse = "")

    geben:

    [1] "Hd"

    Scheint dies einfach in Bezug auf die Klarheit des Codes und erscheint gebunden für die schnellsten der Lösungen hier, obwohl ich denke, dass ich lieber f3:

    f1 <- function(a, b)
  paste(setdiff(strsplit(a,"")[[1]],strsplit(b,"")[[1]]), collapse = "")

f2 <- function(a, b)
  paste(sapply(setdiff(utf8ToInt(a), utf8ToInt(b)), intToUtf8), collapse = "")

f3 <- function(a, b) 
  paste(Reduce(setdiff, strsplit(c(a, b), split = "")), collapse = "")

f4 <- function(a, b) {
  s.a <- strsplit(a, "")[[1]]
  s.b <- strsplit(b, "")[[1]]
  paste(s.a[s.a != s.b], collapse = "")
}

a <- "Happy day"
b <- "Tappy Pay"

library(rbenchmark)
benchmark(f1, f2, f3, f4, replications = 10000, order = "relative")[1:4]

    geben Sie den folgenden auf eine frische session auf meinem laptop:

      test replications elapsed relative
3   f3        10000    0.07    1.000
4   f4        10000    0.07    1.000
1   f1        10000    0.09    1.286
2   f2        10000    0.10    1.429

    Habe ich angenommen, dass die Unterschiede müssen in die entsprechenden Zeichen-Positionen. Möchten Sie vielleicht, um zu klären, ob das die Absicht ist oder nicht.

    InformationsquelleAutor G. Grothendieck
  6. 0

    Die folgende Funktion könnte eine bessere option sein, um Probleme zu lösen, wie dies.

    list.string.diff <- function(a, b, exclude = c("-", "?"), ignore.case = TRUE, show.excluded = FALSE)
{
if(nchar(a)!=nchar(b)) stop("Lengths of input strings differ. Please check your input.")
if(ignore.case)
{
a <- toupper(a)
b <- toupper(b)
}
split_seqs <- strsplit(c(a, b), split = "")
only.diff <- (split_seqs[[1]] != split_seqs[[2]])
only.diff[
(split_seqs[[1]] %in% exclude) |
(split_seqs[[2]] %in% exclude)
] <- NA
diff.info<-data.frame(which(is.na(only.diff)|only.diff),
split_seqs[[1]][only.diff],split_seqs[[2]][only.diff])
names(diff.info)<-c("position","poly.seq.a","poly.seq.b")
if(!show.excluded) diff.info<-na.omit(diff.info)
diff.info

    vom https://www.r-bloggers.com/extract-different-characters-between-two-strings-of-equal-length/

    Dann können Sie 

    list.string.diff(a, b)

    man den Unterschied.

    InformationsquelleAutor Shixiang Wang
Schreibe einen Kommentar