如何在R语言中高效分割字符串为长度n的连续子串（禁用for/sapply）

需求：将输入字符串分割为长度为n的连续重叠子串，要求实现过程中禁止使用for循环或sapply函数。

示例：

# 输入
n <- 2
"abcd" 
# 输出
c("ab", "bc", "cd")

实现方案 #

利用R的向量化操作特性，通过substr结合序列生成完成批量提取，完全避免循环类操作：

split_str <- function(s, n) {
  str_length <- nchar(s)
  # 处理n大于字符串长度的边界情况
  if (n > str_length) return(character(0))
  # 生成所有子串的起始位置序列
  start_positions <- seq(from = 1, to = str_length - n + 1)
  # 向量化提取所有子串
  substr(s, start = start_positions, stop = start_positions + n - 1)
}

测试验证 #

# 示例测试
n <- 2
split_str("abcd", n)
# [1] "ab" "bc" "cd"

# 边界情况测试
split_str("abc", 3) # 返回原字符串：[1] "abc"
split_str("a", 2)   # 返回空向量：character(0)

原理说明 #

• nchar(s)获取输入字符串的总长度，用于计算有效起始位置的范围
• seq()生成所有子串的起始索引，范围从1到总长度 - n + 1，确保每个子串都能取到完整的n个字符
• substr()支持向量形式的start和stop参数，一次性完成所有子串的提取，属于高效的向量化操作，性能远优于循环实现

内容的提问来源于stack exchange，提问作者Julien