string - ultimo - split javascript ejemplo
¿Cómo dividir una cadena en subcadenas de una longitud dada? (5)
Esta pregunta ya tiene una respuesta aquí:
Tengo una cadena como:
"aabbccccdd"
Quiero romper esta cadena en un vector de subcadenas de longitud 2:
"aa" "bb" "cc" "cc" "dd"
Aquí hay una manera
substring("aabbccccdd", seq(1, 9, 2), seq(2, 10, 2))
#[1] "aa" "bb" "cc" "cc" "dd"
o más generalmente
text <- "aabbccccdd"
substring(text, seq(1, nchar(text)-1, 2), seq(2, nchar(text), 2))
#[1] "aa" "bb" "cc" "cc" "dd"
Edit: Esto es mucho, mucho más rápido
sst <- strsplit(text, "")[[1]]
out <- paste0(sst[c(TRUE, FALSE)], sst[c(FALSE, TRUE)])
Primero divide la cadena en caracteres. Luego, pega los elementos pares y los elementos impares.
Tiempos
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
Feo pero funciona
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")
Da ATG AAT AAA G
Hay dos posibilidades fáciles:
s <- "aabbccccdd"
gregexpr
yregmatches
:regmatches(s, gregexpr(".{2}", s))[[1]] # [1] "aa" "bb" "cc" "cc" "dd"
strsplit
:strsplit(s, "(?<=.{2})", perl = TRUE)[[1]] # [1] "aa" "bb" "cc" "cc" "dd"
Se puede usar una matriz para agrupar los caracteres:
s2 <- function(x) {
m <- matrix(strsplit(x, '''')[[1]], nrow=2)
apply(m, 2, paste, collapse='''')
}
s2(''aabbccddeeff'')
## [1] "aa" "bb" "cc" "dd" "ee" "ff"
Desafortunadamente, esto se rompe para una entrada de longitud de cadena impar, dando una advertencia:
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]
Más desafortunado es que g1
y g2
de @GSee devuelven silenciosamente resultados incorrectos para una entrada de longitud de cadena impar:
g1(''abc'')
## [1] "ab"
g2(''abc'')
## [1] "ab" "cb"
Aquí está la función en el espíritu de s2, tomando un parámetro para el número de caracteres en cada grupo, y deja la última entrada corta si es necesario:
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"
(De hecho, es más lento que g2
, pero más rápido que g1
en aproximadamente un factor de 7)
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)
})
Lo que da
[1] "aa" "bb" "cc" "cc" "dd"