提取r中

Question

两个字符串之间的差异（“相对补”），我无法找到一个方法来做到这一点...

raw_string <- "\"+001\", la bonne surprise de M. Jenn M. Ayache http://goo.gl/3EXxy6 via @MYTF1News" 

clean_string <- "+001, la bonne surprise de Jenn Ayache" 

desired_string <- "\"\"M. M. http://goo.gl/3EXxy6 via @MYTF1News" 

我不知道如何把这种转变。我会说“差异”（如在集合论中，反对“工会”和“交集”）。更好的名字可以是“相对补充”（http://en.wikipedia.org/wiki/Complement_(set_theory)#Relative_complement）。

我想要的字符串中只有和所有缺少的字符都在clean_string中，按顺序排列，每次出现都有一次，包括空格，标点符号和所有内容。

我能够做到的最好的不够好：

> a <- paste(Reduce(setdiff, strsplit(c(raw_string, clean_string), split = " ")), collapse = " ") 
> a 
[1] "\"+001\", M. http://goo.gl/3EXxy6 via @MYTF1News" 

Answer 1

我不知道是否有这个一个实施的功能的字符串操作包之一（我还没有碰到来它）。这是一个实现（我认为）的作品

raw_string <- "\"+001\", la bonne surprise de M. Jenn M. Ayache http://goo.gl/3EXxy6 via @MYTF1News" 
clean_string <- "+001, la bonne surprise de Jenn Ayache" 
raw <- strsplit(raw_string, "")[[1]] 
clean <- strsplit(clean_string, "")[[1]] 
dif <- vector("list") 
j <- 1 
while(length(clean) > 0) { 
    i <- match(clean[1], raw) 
    if (i > 1) { 
     dif[[j]] <- raw[seq_len(i - 1)] 
     j <- j + 1 
    } 
    clean <- clean[-1] 
    raw <- raw[-seq_len(i)] 
} 
dif[[j]] <- raw 
paste(unlist(dif), collapse = "") 
#[1] "\"\"M. M. http://goo.gl/3EXxy6 via @MYTF1News" 

Answer 2

我会用一个循环，太：

x <- strsplit(raw_string, "")[[1]] 
y <- strsplit(clean_string, "")[[1]] 

res <- character(length(x)) 

j <- 1 

for(i in seq_along(x)) { 
    if (j > length(y)) { 
    res[i:length(x)] <- x[i:length(x)] 
    break 
    } 
    if (x[i] != y[j]) { 
    res[i] <- x[i] 
    } else { 
    j <- j + 1 
    } 
} 

paste(res, collapse = "") 
#[1] "\"\"M. M. http://goo.gl/3EXxy6 via @MYTF1News" 

注相比，您预期的结果的额外空间。我想你只是错过了它。

如果这太慢了，应该很容易用Rcpp实现。

Answer 3

下面是使用sub这个简单一些的方法，它要求您考虑符号。

str_relative_complement <- function(raw_string, clean_string){ 
    words <- strsplit(clean_string, "")[[1]] 
    cur_str <- raw_string 
    for(i in words){ 
     cur_str <- sub(ifelse(grepl("[[:punct:]]", i), paste0("\\", i), i), "", cur_str) 
    } 
    return(cur_str) 
} 

raw_string <- '\"+001\", la bonne surprise de M. Jenn M. Ayache http://goo.gl/3EXxy6 via @MYTF1News' 
clean_string <- "+001, la bonne surprise de Jenn Ayache" 

str_relative_complement(raw_string, clean_string) 
[1] "\"\"M. M. http://goo.gl/3EXxy6 via @MYTF1News"