R语言中如何判断多个字符串是否由相同字母组合构成

核心逻辑 #

判断多个字符串是否由相同字母（含重复字母计数）仅排列顺序不同组成，只需对每个字符串做标准化处理：拆分为单个字符后按固定规则排序，再重新拼接为标准字符串。标准字符串完全一致的，就属于同一组。
这个逻辑对含重复字母的场景同样生效，比如示例里两个G、一个W、一个P组成的GPWG类字符串，排序后会自动按字母计数生成统一标识，不会出现误判。

基础R实现（无需安装额外包，适合初学者） #

1. 构造示例数据 #

先把测试向量存入变量：

char_vec <- c(
  "YMC",   "YCM",   "MYC",   "CMY",   "CYM",   "MCY",   "MEH",   "HEM",   "EMH",   "MHE",   "EHM",   "HME",
  "CFF",   "FCF",   "FFC",   "AYY",   "YFS",   "YYA",   "SFY",   "YSF",   "FSY",   "SYF",   "YAY",   "FYS",
  "HYP",   "HPY",   "WNP",   "PWN",   "PHY",   "PNW",   "YHP",   "PYH",   "WPN",   "NPW",   "YPH",   "NWP",
  "BHF",   "FHB",   "BFH",   "HBF",   "FBH",   "HFB",   "BQR",   "QRB",   "BRQ",   "RBQ",   "QBR",   "RQB",
  "BRK",   "KRB",   "RBK",   "BKR",   "RKB",   "KBR",   "WDP",   "DPW",   "DWP",   "WPD",   "PDW",   "PWD"
)

2. 编写分组函数并执行 #

# 生成单个字符串的分组唯一标识
get_group_key <- function(s) {
  # 将字符串拆分为单个字符向量
  split_chars <- strsplit(s, split = "")[[1]]
  # 字符排序后重新拼接为标准key
  paste(sort(split_chars), collapse = "")
}

# 为向量中所有字符串生成分组key，长度和原向量一致
group_keys <- sapply(char_vec, get_group_key, USE.NAMES = FALSE)

# 按key分组，得到所有同字母异序的字符串集合
anagram_groups <- split(char_vec, f = group_keys)

3. 结果说明 #

执行后anagram_groups是列表格式，每个元素对应一组同字母异序的字符串：

• key为CMY的组，对应前6个由C、M、Y组成的字符串
• key为EHM的组，对应接下来6个由E、H、M组成的字符串
• 含重复字母的"CFF" "FCF" "FFC"会被归入key为CFF的组，匹配字母计数要求
  如果需要给原向量的每个元素打分组标签，直接使用group_keys向量即可。

大数据量提速方案 #

如果需要处理十万级以上长度的字符向量，可以用stringi包的向量化接口替换基础R的拆分逻辑，运行速度更快：

# 首次使用需先安装：install.packages("stringi")
library(stringi)

# 生成分组key
group_keys_fast <- vapply(
  stri_split_boundaries(char_vec, type = "character"),
  function(x) paste(sort(x), collapse = ""),
  FUN.VALUE = character(1)
)

# 分组逻辑和基础R版本一致
anagram_groups_fast <- split(char_vec, group_keys_fast)

适配特殊场景的调整 #

• 如果需要忽略大小写分组，可以在排序前对拆分后的字符做统一大小写处理，比如加一步toupper(split_chars)即可
• 如果字符串包含数字、特殊符号，上述逻辑依然生效，排序时会按字符编码规则统一处理，不影响分组准确性

内容的提问来源于stack exchange，提问作者Federica Cascone