使用分隔符查找所有可能的长度为 n 的子字符串答案

【问题标题】：Find all possible substrings of length n using a delimiter使用分隔符查找所有可能的长度为 n 的子字符串
【发布时间】：2019-06-26 15:05:08
【问题描述】：

我遇到了类似于Find all possible substrings of length n 的问题。但是，我不想基于字符查找所有可能的子字符串，而是想使用下划线之类的分隔符来拆分单词。

例如：

"423.A_425.A_429.B_440.A_480.C_502.B"

由此，我想使用n=3提取以下模式：

'423.A_425.A_429.B', '425.A_429.B_440.A', '429.B_440.A_480.C', '440.A_480.C_502.B'

对于n=4，子字符串应该变成：

'423.A_425.A_429.B_440.A', '425.A_429.B_440.A_480.C', '429.B_440.A_480.C_502.B'

我尝试调整 Julius Vainora 的解决方案（见下文）以使用下划线之间的模式而不是按字符分割，但还没有运气：

allsubstr <- function(x, n) unique(substring(x, 1:(nchar(x) - n + 1), n:nchar(x)))

然后我得到输出（使用n=3）：

"423" "23." "3.A" ".A_" "A_4" "_42" "425" "25." "5.A" "429" "29." "9.B" ".B_" "B_4" "_44" "440" "40." "0.A" "_48" "480" "80." "0.C" ".C_" "C_5" "_50" "502" "02." "2.B"

还有什么可以替代的？

【问题讨论】：

您可以添加当前方法的输出吗？这样人们甚至不必执行您的代码，并且可能已经发现了一些东西。
感谢您的建议，我现在已经添加了我当前的输出。

标签： r

【解决方案1】：

我们可以在_ 上split 并使用combn 查找所有可能的子字符串，然后使用paste

combn(unlist(strsplit(v1, "_")), 3, FUN = paste, collapse="_")

【讨论】：

【解决方案2】：

看起来 OP 只想要与它们在原始字符串中出现的顺序相同的组合。

v <- "423.A_425.A_429.B_440.A_480.C_502.B"

allsubstr <- function(string, size, delim) {
  vec_string <- unlist(strsplit(string, delim))

  if(size < 1 || size > length(vec_string))
    stop("size must be element of [1, ", length(vec_string), "]")

  if(size == 1)
    return(vec_string)

  idxs <- cbind(start = size:length(vec_string) - size + 1, 
                end = size:length(vec_string))
  mx <- apply(idxs, 1, function(i, s, d) s[c(i["start"]:i["end"])], s = vec_string, d = delim)
  apply(mx, 2, paste, collapse = delim)
}

那么我们可以这样做：

> allsubstr(v, 0, "_")
Error in allsubstr(v, 0, "_") : size must be element of [1, 6]

> allsubstr(v, 3, "_")
[1] "423.A_425.A_429.B" "425.A_429.B_440.A" "429.B_440.A_480.C" "440.A_480.C_502.B"

> allsubstr(v, 4, "_")
[1] "423.A_425.A_429.B_440.A" "425.A_429.B_440.A_480.C" "429.B_440.A_480.C_502.B"

> allsubstr(v, 7, "_")
Error in allsubstr(v, 7, "_") : size must be element of [1, 6]

【讨论】：

我确实想保留组合的顺序，所以这个解决方案最适合我。谢谢！