从向量 2 中删除向量 1 中的字符串答案

【问题标题】：Remove strings found in vector 1, from vector 2从向量 2 中删除向量 1 中的字符串
【发布时间】：2016-01-19 09:26:32
【问题描述】：

我有这两个向量：

sample1 <- c(".aaa", ".aarp", ".abb", ".abbott", ".abogado")
sample2 <- c("try1.aarp", "www.tryagain.aaa", "255.255.255.255", "onemoretry.abb.abogado")

我正在尝试删除在 sample2 中找到的 sample1 字符串。我得到的最接近的是使用sapply 进行迭代，这给了我这个：

 sapply(sample1, function(i)gsub(i, "", sample2))

     .aaa                     .aarp                    .abb                 .abbott                  .abogado          
[1,] "try1.aarp"              "try1"                   "try1.aarp"          "try1.aarp"              "try1.aarp"       
[2,] "www.tryagain"           "www.tryagain.aaa"       "www.tryagain.aaa"   "www.tryagain.aaa"       "www.tryagain.aaa"
[3,] "255.255.255.255"        "255.255.255.255"        "255.255.255.255"    "255.255.255.255"        "255.255.255.255" 
[4,] "onemoretry.abb.abogado" "onemoretry.abb.abogado" "onemoretry.abogado" "onemoretry.abb.abogado" "onemoretry.abb"

当然预期的输出应该是

[1] "www.tryagain"    "try1"            "onemoretry"      "255.255.255.255"

感谢您的宝贵时间。

【问题讨论】：

标签： r gsub sapply

【解决方案1】：

试试这个，

sample1 <- c(".aaa", ".aarp", ".abb", ".abbott", ".abogado")
sample2 <- c("try1.aarp", "www.tryagain.aaa", "255.255.255.255", "onemoretry.abb.abogado")
paste0("(",paste(sub("\\.", "\\\\.", sample1), collapse="|"),")\\b")
# [1] "(\\.aaa|\\.aarp|\\.abb|\\.abbott|\\.abogado)\\b"
gsub(paste0("(",paste(sub("\\.", "\\\\.", sample1), collapse="|"),")\\b"), "", sample2)
# [1] "try1"            "www.tryagain"    "255.255.255.255" "onemoretry"

解释：

sub("\\.", "\\\\.", sample1) 转义所有点。因为点是正则表达式中的特殊字符。
paste(sub("\\.", "\\\\.", sample1), collapse="|") 将所有元素以| 作为分隔符。
paste0("(",paste(sub("\\.", "\\\\.", sample1), collapse="|"),")\\b") 创建一个正则表达式，就像捕获组内的所有元素一样，后跟一个单词边界。 \\b 是这里非常需要的一个。这样它就会进行精确的单词匹配。

【讨论】：

你能解释一下吗？
我会使用 [.] 而不是 \\\\. 来删除特殊含义（恕我直言，在生成的正则表达式中更具可读性）
旁注：我的完整 sample1 有 1199 个元素。运行正则表达式，出现错误，(Error in gsub(paste0("(", paste(sub("\\.", "\\\\.", sample1), collapse = "|"), : assertion 'tree->num_tags == num_tags' failed in executing regexp: file 'tre-compile.c', line 634) 所以我将sample1 拆分为两个向量； vector1 有 629 个元素，vector2 有剩余的 570 个。

【解决方案2】：

我们可以将paste 'sample1' 元素放在一起，将其用作gsub 中的pattern 参数，将其替换为''。

gsub(paste(sample1, collapse='|'), '', sample2)
#[1] "try1"            "www.tryagain"    "255.255.255.255" "onemoretry"

或使用mgsub

library(qdap)
mgsub(sample1, '', sample2)
#[1] "try1"            "www.tryagain"    "255.255.255.255" "onemoretry"

【讨论】：