从字符串中选择每第 n 个字符

Posted 2023-02-22

【中文标题】从字符串中选择每第 n 个字符

【英文标题】：Select every nth character from a string

【发布时间】：2021-05-26 04:25:20

【问题描述】：

我有一串带有随机空格和一些句点的随机字母。我想从中获取每第 n 个值（例如每 10 个）。我的想法是，如果我可以转置它，那么我可以使用行号来选择每个第 n 个值。任何帮助表示赞赏！

string <- "hutmnycdsldzlkt.ytairuaypk  dq.gubgp hyfjuwvpcdmvqxfcuhapnx"

【参考方案1】：

跟进 OP 的想法（“使用行号”）。拆分字符串，用 10 行填充一个矩阵，选择第一行。

matrix(strsplit(x, "")[[1]], nrow = 10)[1, ]
# [1] "h" "d" "r" "." "j" "x"

您会收到回收警告，但这不会影响我们，因为我们选择了第一行。

---

好啊charToRaw:

rawToChar(charToRaw(x)[c(TRUE, rep(FALSE, 9))])
# [1] "hdr.jx"

【参考方案2】：

我们可以拆分字符串，使用seq获取元素

v1 <- strsplit(string, "")[[1]]
v1[seq(1, by = 10, length(v1))]
#[1] "h" "d" "r" "." "j" "x"

---

或使用正则表达式环视

library(stringr)
str_replace_all(string, "(.).1,9", "\\1")
#[1] "hdr.jx"

或者使用glue使其动态化

n <- 9
str_replace_all(string, glue::glue("(.).1,[n]",
          .open = '[', .close = ']'), "\\1")
#[1] "hdr.jx"

【参考方案3】：

substring 将采用first= 和last= 的向量，因此我们可以形成适当的序列并从那里开始。

func <- function(x, n, start = 1) 
  vapply(x, function(z) 
    i <- seq.int(start, nchar(z), by = n)
    i <- i[i > 0]
    paste(substring(x, i, i), collapse = "")
  , character(1))


func(string, 10)
# hutmnycdsldzlkt.ytairuaypk  dq.gubgp hyfjuwvpcdmvqxfcuhapnx 
#                                                    "hdr.jx" 

每 10 个（从 1 开始）在哪里

hutmnycdsldzlkt.ytairuaypk  dq.gubgp hyfjuwvpcdmvqxfcuhapnx 
12345678901234567890123456789012345678901234567890123456789
^         ^         ^         ^         ^         ^
h         d         r         .         j         x

（我使用apply 变体的最大原因是，如果你有一个字符串向量，substring 可以优雅地工作。）

【讨论】：

我认为你可以避免vapply 并通过rep多次食用每个x 值以及最大i 序列然后只调用一次substring 来加快速度.比如：func2 <- function(x, n, start = 1) mnc <- max(nchar(x)); i <- seq.int(start, mnc, by = n); paste(substring(rep(x, each=length(i)), i, i), collapse="")

是的，我已经考虑过了。我最初的想法（在此处编码）故意尝试不将substring 超出字符串的长度，但事后看来，超出的索引长度为0，因此是不必要的预防措施。我认为您的方法肯定更简单，并且可能更快。谢谢，@thelatemail。

虽然我可能说得太早了 - 我的编辑结果仍然必须以某种方式分解以分离矢量元素，所以它不太正确。

【参考方案4】：

使用substring + seq + nchar 的基本 R 选项

substring(
  string,
  v <- seq(1, nchar(string), by = 10),
  v
)

给予

"h" "d" "r" "." "j" "x"

【参考方案5】：

好的，这是对 @r2evans 答案的补充，它试图通过不必在每个单独的值上循环来加速矢量化 substring 操作。

func2 <- function(x, n, start = 1) 
    mnc <- max(nchar(x))
    i <- seq.int(start, mnc, by = n)
    res <- paste(substring(rep(x, each=length(i)), i, i), collapse="")
    fi <- findInterval(nchar(x), i)
    substring(res, c(1, head(cumsum(fi),-1) + 1), cumsum(fi) )
   

快速测试 20K 条记录：

x <- c("12345678901234567890", "09876543210987654321")
bigx <- rep(x,1e4)

system.time(func(bigx, 10, 1))
##   user  system elapsed 
##  38.29    0.03   38.36 

system.time(func2(bigx, 10, 1))
## user  system elapsed 
## 0.02    0.00    0.02