在 R 中删除字符串中的所有字符，该字符串是其他字符的子字符串

Question

这是一个简单的玩具示例。我只想保留最短的子字符串。 AB 我们保留，ABC 可以排除。我们保留 BD 和 ADB 是因为没有 langer 字符也具有这种模式。

have <- c('AB', 'BD', 'ADB', 'ABC')
want <- c('AB', 'BD', 'ADB')

grepl 在这里非常有用，但我不确定如何提高计算效率。

Answer 1

这是一个基本的 R 方法：

have <- c('AB', 'BD', 'ADB', 'ABC')
keep <- sapply(have, function(x) grepl(paste0(have[!have %in% x], collapse="|"), x))
want <- have[!keep]
want

[1] "AB"  "BD"  "ADB"

这里的想法是，对于输入向量中的每个条目，构建一个由剩余项组成的正则表达式交替。因此，当 sapply 达到最终值 ABC 时，我们形成以下正则表达式交替：

AB|BD|ABD

然后，我们使用grepl 来查看是否可以找到作为ABC 的子字符串的任何条目。在这种情况下，我们可以使用 AB，然后我们标记为 true。最后，我们使用这个布尔向量对输入向量进行子集化。

在 R 中删除字符串中的所有字符，该字符串是其他字符的子字符串

In R remove all characters in string that is substring of other character

r

grepl