如何提取含重复字符的字符串差异？setdiff函数无法满足需求

setdiff()是集合差集运算，只关注元素是否存在，会自动去重且忽略顺序——这就是你只得到"l"的原因：它认为"e"在两个字符串里都存在，不会计入差集，但实际上目标字符串比基准字符串多了一个"e"和一个"l"。

这里提供两种实用的替代方案：

方案1：基于频次统计的差集计算 #

适合不需要严格保留字符顺序，仅需统计频次差异的场景：

# 定义目标字符串与基准字符串
str_target <- "what the hel"
str_base <- "what the h"

# 拆分字符串并统计每个字符的出现次数
tab_target <- table(strsplit(str_target, "")[[1]])
tab_base <- table(strsplit(str_base, "")[[1]])

# 提取目标字符串中频次更高的字符，按差值重复得到结果
diff_names <- names(which(tab_target - tab_base > 0))
final_result <- rep(diff_names, times = tab_target[diff_names] - tab_base[diff_names])

final_result

运行输出：

[1] "e" "l"

方案2：按顺序匹配的差集提取 #

适合需要保留新增字符在原字符串中出现顺序的场景：

split_target <- strsplit(str_target, "")[[1]]
split_base <- strsplit(str_base, "")[[1]]

# 标记基准字符串中已匹配的字符位置
matched_flags <- logical(length(split_base))
result <- c()

for (char in split_target) {
  # 找到基准字符串中第一个未匹配的相同字符
  match_idx <- which(split_base == char & !matched_flags)[1]
  if (is.na(match_idx)) {
    # 无匹配项，说明是新增字符
    result <- c(result, char)
  } else {
    # 标记该位置已匹配，避免重复匹配
    matched_flags[match_idx] <- TRUE
  }
}

result

运行后同样得到预期的[1] "e" "l"，且严格保留了原字符串中字符的出现顺序。

内容的提问来源于stack exchange，提问作者Adam_G