web-dev-qa-db-fra.com

Comment diviser une chaîne en sous-chaînes d'une longueur donnée?

J'ai une chaîne telle que:

"aabbccccdd"

Je veux casser cette chaîne en un vecteur de sous-chaînes de longueur 2:

"aa" "bb" "cc" "cc" "dd"

stringrsplit
23
MadSeb

Voici une façon

substring("aabbccccdd", seq(1, 9, 2), seq(2, 10, 2))
#[1] "aa" "bb" "cc" "cc" "dd"

ou plus généralement

text <- "aabbccccdd"
substring(text, seq(1, nchar(text)-1, 2), seq(2, nchar(text), 2))
#[1] "aa" "bb" "cc" "cc" "dd"

Edit: C'est beaucoup, beaucoup plus rapide

sst <- strsplit(text, "")[[1]]
out <- paste0(sst[c(TRUE, FALSE)], sst[c(FALSE, TRUE)])

Il divise d'abord la chaîne en caractères. Ensuite, il colle ensemble les éléments pairs et les éléments impairs.

Horaires

text <- paste(rep(paste0(letters, letters), 1000), collapse="")
g1 <- function(text) {
    substring(text, seq(1, nchar(text)-1, 2), seq(2, nchar(text), 2))
}
g2 <- function(text) {
    sst <- strsplit(text, "")[[1]]
    paste0(sst[c(TRUE, FALSE)], sst[c(FALSE, TRUE)])
}
identical(g1(text), g2(text))
#[1] TRUE
library(rbenchmark)
benchmark(g1=g1(text), g2=g2(text))
#  test replications elapsed relative user.self sys.self user.child sys.child
#1   g1          100  95.451 79.87531    95.438        0          0         0
#2   g2          100   1.195  1.00000     1.196        0          0         0
47
GSee
string <- "aabbccccdd"
# total length of string
num.chars <- nchar(string)

# the indices where each substr will start
starts <- seq(1,num.chars, by=2)

# chop it up
sapply(starts, function(ii) {
  substr(string, ii, ii+1)
})

Qui donne

[1] "aa" "bb" "cc" "cc" "dd"
11
mindless.panda

Il y a deux possibilités simples:

s <- "aabbccccdd"

  1. gregexpr et regmatches:

    regmatches(s, gregexpr(".{2}", s))[[1]]
# [1] "aa" "bb" "cc" "cc" "dd"

  2. strsplit:

    strsplit(s, "(?<=.{2})", Perl = TRUE)[[1]]
# [1] "aa" "bb" "cc" "cc" "dd"
10
Sven Hohenstein

On peut utiliser une matrice pour regrouper les personnages:

s2 <- function(x) {
  m <- matrix(strsplit(x, '')[[1]], nrow=2)
  apply(m, 2, paste, collapse='')
}

s2('aabbccddeeff')
## [1] "aa" "bb" "cc" "dd" "ee" "ff"

Malheureusement, cela se casse pour une entrée de longueur de chaîne impaire, donnant un avertissement:

s2('abc')
## [1] "ab" "ca"
## Warning message:
## In matrix(strsplit(x, "")[[1]], nrow = 2) :
##   data length [3] is not a sub-multiple or multiple of the number of rows [2]

Plus malheureux est que g1 et g2 de @GSee renvoie silencieusement des résultats incorrects pour une entrée de longueur de chaîne impaire:

g1('abc')
## [1] "ab"

g2('abc')
## [1] "ab" "cb"

Voici la fonction dans l'esprit de s2, en prenant un paramètre pour le nombre de caractères dans chaque groupe, et laisse la dernière entrée courte si nécessaire:

s <- function(x, n) {
  sst <- strsplit(x, '')[[1]]
  m <- matrix('', nrow=n, ncol=(length(sst)+n-1)%/%n)
  m[seq_along(sst)] <- sst
  apply(m, 2, paste, collapse='')
}

s('hello world', 2)
## [1] "he" "ll" "o " "wo" "rl" "d" 
s('hello world', 3)
## [1] "hel" "lo " "wor" "ld"

(Il est en effet plus lent que g2, mais plus rapide que g1 d'un facteur 7 environ)

2
Matthew Lundberg

Laid mais fonctionne

sequenceString <- "ATGAATAAAG"

J=3#maximum sequence length in file
sequenceSmallVecStart <-
  substring(sequenceString, seq(1, nchar(sequenceString)-J+1, J), 
    seq(J,nchar(sequenceString), J))
sequenceSmallVecEnd <-
    substring(sequenceString, max(seq(J, nchar(sequenceString), J))+1)
sequenceSmallVec <-
    c(sequenceSmallVecStart,sequenceSmallVecEnd)
cat(sequenceSmallVec,sep = "\n")

Donne ATG AAT AAA G

1
den2042