如何高效使用str_replace_all避免冲突替换的递归问题？

问题描述 #

我想用以下密码表对字符串进行编码，比如编码"abc"：

library(tidyverse)

cipher <- tibble(
  byte = c(128:153, 160:185, 246:255) %>% as.hexmode() %>% str_to_upper(),
  char = c(LETTERS, letters, 0:9)
)

使用str_replace_all时出现了递归替换的问题：

"abc" %>% str_replace_all(set_names(cipher$byte, cipher$char))
# [1] "AFFCAFFDAFFE"

期望结果是"A0A1A2"，但实际结果中，替换生成的A0里的0被再次替换为FF，后续字符也被递归替换，导致结果错误。

现有背景与低效方案 #

我了解到stri_replace_all*函数的vectorize_all参数，也尝试过拆分字符逐个替换的方法：

c("abc", "123") %>%
  map_chr(\(string) {
    str_split_1(string, "") %>%
      map_chr(\(char) {
        str_replace_all(char, set_names(cipher$byte, paste0("^", cipher$char, "$")))
      }) %>% paste(collapse = "")
  })
# [1] "A0A1A2" "F7F8F9"

但这种方法处理大向量时速度很慢，需要更高效的方案。

高效解决方案 #

方案1：使用stringi::stri_replace_all_fixed（最优） #

通过设置vectorize_all = FALSE，让替换仅针对原始字符串的字符，不会递归替换替换后的内容，同时利用stringi的高效底层实现：

library(tidyverse)
library(stringi)

cipher <- tibble(
  byte = c(128:153, 160:185, 246:255) %>% as.hexmode() %>% str_to_upper(),
  char = c(LETTERS, letters, 0:9)
)

replace_map <- set_names(cipher$byte, cipher$char)

c("abc", "123") %>%
  stri_replace_all_fixed(
    pattern = names(replace_map),
    replacement = replace_map,
    vectorize_all = FALSE
  )
# [1] "A0A1A2" "F7F8F9"

方案2：向量匹配替代嵌套循环（tidyverse友好） #

利用向量操作match替代逐个字符的map循环，大幅提升效率：

library(tidyverse)

cipher <- tibble(
  byte = c(128:153, 160:185, 246:255) %>% as.hexmode() %>% str_to_upper(),
  char = c(LETTERS, letters, 0:9)
)

c("abc", "123") %>%
  str_split("") %>%
  map_chr(\(chars) {
    paste(cipher$byte[match(chars, cipher$char)], collapse = "")
  })
# [1] "A0A1A2" "F7F8F9"

方案说明 #

• 方案1直接批量处理字符串，无需拆分，是处理大向量时速度最快的方法。
• 方案2通过向量匹配避免了嵌套循环，比原始的拆分+逐个map方法效率提升显著，同时保持tidyverse风格。

内容的提问来源于stack exchange，提问作者jatx50