r - 通过成功的字符串替换来提高循环的性能？

Question

我有 (html-) 文本，我想更改 ö像 ä、ü、ö 等真实字符，否则 xml-package 不接受它。

所以我写了一个小函数，它循环替换表( link1 ， link2 )并且确实用 sp 用特殊字符替换特殊字符......该函数看起来像这样(只有更久):

html.charconv <- function(text){
    replacer <- matrix(c(
    "Á",    "&Aacute;",
    "á",    "&aacute;",
    "Â",    "&Acirc;",
    "â",    "&acirc;",
    "´",    "&acute;"
    )
    ,ncol=2,byrow=T)

    for(i in 1:length(replacer[,1])){
        text <- str_replace_all(text,replacer[i,2],replacer[i,1])
    }
    text
}

我怎样才能加快速度？ 我考虑过矢量化，但没有提供任何帮助解决方案，因为对于每个周期，最后一个周期的结果是它的起点。

Answer 1

您可以通过构建稍微不同的函数来获得显着的加速，而忘记文本工具。基本上你:

拆分字符串

匹配您想要的字符并用新字符替换它们

再次粘贴所有内容

您可以使用以下功能做到这一点:

html.fastconv <- function(x,old,new){
    xs <- strsplit(x,"&|;")
    old <- gsub("&|;","",old)
    xs <- lapply(xs,function(i){
        id <- match(i,old,0L)
        i[id!=0] <- new[id]
        return(i)
    })
    sapply(xs,paste,collapse="")
}

这可以作为:

> sometext <- c("&Aacute;dd som&aacute; le&Acirc;tter&acirc; acute problems et&acute; cetera",
+  "&Aacute;dd som&aacute; le&Acirc;tter&acirc; acute p ..." ... [TRUNCATED] 

> newchar <- c("Á","á","Â","â","´")

> oldchar <- c("&Aacute;","&aacute;","&Acirc;","&acirc;","&acute;")
> html.fastconv(sometext,oldchar,newchar)
[1] "Ádd somá leÂtterâ acute problems et´ cetera" "Ádd somá leÂtterâ acute problems et´ cetera"

作为记录，一些基准测试:

require(rbenchmark)
benchmark(html.fastconv(sometext,oldchar,newchar),html.charconv(sometext),
     columns=c("test","elapsed","relative"),
     replications=1000) 
                                       test elapsed relative
2                   html.charconv(sometext)    0.79    5.643
1 html.fastconv(sometext, oldchar, newchar)    0.14    1.000