regex - R中字符向量的快速转义/解析

Question

要在json中编码字符串，需要使用反斜杠对几个保留字符进行转义，并且每个字符串都必须用双引号引起来。当前，jsonlite包使用基础R中的deparse函数实现了此功能:

deparse_vector <- function(x) {
  stopifnot(is.character(x))
  vapply(x, deparse, character(1), USE.NAMES=FALSE)
}

这可以解决问题:

test <- c("line\nline", "foo\\bar", "I said: \"hi!\"")
cat(deparse_vector(test))

但是，对于大向量， deparse变慢。另一种实现方式是分别对每个字符进行 gsub:

deparse_vector2 <- function(x) {
  stopifnot(is.character(x))
  if(!length(x)) return(x)
  x <- gsub("\\", "\\\\", x, fixed=TRUE)
  x <- gsub("\"", "\\\"", x, fixed=TRUE)
  x <- gsub("\n", "\\n", x, fixed=TRUE)
  x <- gsub("\r", "\\r", x, fixed=TRUE)
  x <- gsub("\t", "\\t", x, fixed=TRUE)
  x <- gsub("\b", "\\b", x, fixed=TRUE)
  x <- gsub("\f", "\\f", x, fixed=TRUE)
  paste0("\"", x, "\"")
}

这有点快，但也并不太多，也有点丑陋。有什么更好的方法可以做到这一点？ (最好没有其他依赖项)

此 script可用于比较实现:

> system.time(out1 <- deparse_vector1(strings))
   user  system elapsed 
  6.517   0.000   6.523 
> system.time(out2 <- deparse_vector2(strings))
   user  system elapsed 
  1.194   0.000   1.194 

Answer 1

我不知道仅用R代码来实现此目的的更快方法，但是我确实决定尝试用C语言实现它，并封装在一个名为deparse_vector3的R函数中。这很粗糙(而且我离C语言专家还很远)，但它似乎适用于您的示例:https://gist.github.com/wch/e3ec5b20eb712f1b22b2

在我的系统(Mac，R 3.1.1)上，deparse_vector2比deparse_vector快20倍以上，这比测试中获得的5倍大得多。

我的deparse_vector3函数仅比deparse_vector2快3倍。可能还有改进的空间。

> system.time(out1 <- deparse_vector1(strings))
   user  system elapsed 
  8.459   0.009   8.470 
> system.time(out2 <- deparse_vector2(strings))
   user  system elapsed 
  0.368   0.007   0.374 
> system.time(out3 <- deparse_vector3(strings))
   user  system elapsed 
  0.120   0.001   0.120 

不过，我认为这不会正确处理非ASCII字符编码。这是R源中如何处理编码的示例: https://github.com/wch/r-source/blob/bfe73ecd848198cb9b68427cec7e70c40f96bd72/src/main/grep.c#L588-L630

编辑:这似乎可以处理UTF-8，虽然我可能在测试中遗漏了一些东西。