r - 提取 r 中两个字符串之间的差异 ("relative complement")

Question

我找不到办法做到这一点...

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"

我不确定如何调用这种转换。我会说“差异”(如在集合论中，反对“联合”和“交集”)。更好的名称可能是“相对补充”( http://en.wikipedia.org/wiki/Complement_(set_theory)#Relative_complement )。

我想要的字符串只有和 clean_string 中缺少的所有字符，按顺序排列，每次出现一次，包括空格、标点符号和所有内容。

我设法做到的最好的还不够好:

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

Answer 1

我也会使用循环:

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"

请注意与预期结果相比的额外空间。我想你只是错过了它。

如果这太慢了，用 Rcpp 应该很容易实现。