Извлечение символов, различающихся между двумя строками

я использовал adist чтобы вычислить количество символов, различающихся между двумя строками:

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

теперь я хотел бы извлечь те характеры, которые отличаются. В моем примере, я хотел бы получить строку "Hd" (или "TP", это не имеет значения).

Я попытался заглянуть в adist, agrep и stringi но ничего не нашли.

6 ответов


вы можете использовать следующую последовательность действий:

  • разделить строку, используя strsplit().
  • использовать setdiff() для сравнения элементов
  • оберните в уменьшающую функцию

попробуйте это:

Reduce(setdiff, strsplit(c(a, b), split = ""))
[1] "H" "d"

разделить на буквы и взять разницу как наборы:

> setdiff(strsplit(a,"")[[1]],strsplit(b,"")[[1]])
[1] "H" "d"

не очень гордится этим, но, похоже, делает свою работу:

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

результаты:

[1] "H" "d"

Вы можете использовать одну из переменных в качестве класса regex характера и gsub из другой:

gsub(paste0("[",a,"]"),"",b)
[1] "TP"
gsub(paste0("[",b,"]"),"",a)
[1] "Hd"

пока a и b имеют одинаковую длину, мы можем сделать это:

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

даем:

[1] "Hd"

это кажется простым с точки зрения ясности кода и, кажется, связанный для быстрых решений здесь, хотя я думаю, что я предпочитаю 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]

давая следующее На новой сессии на моем ноутбуке:

  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

я предположил, что различия должны быть в соответствующих символьных позиций. Вы возможно, вы захотите уточнить, намеренно это или нет.


следующая функция может быть лучшим вариантом для решения такой проблемы.

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

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

затем вы можете запустить

list.string.diff(a, b)

чтобы сделать разницу.