R语言strsplit与过滤：保留相同值配对中含&的表达式

我来帮你解决这个问题！我们可以分几步实现：先把字符串拆分成单个配对，识别出每组相同元素的配对，最后保留含&的那一个。下面用场景1的例子演示完整代码：

步骤1：拆分字符串，提取所有配对 #

首先需要把原始字符串里的每个配对提取出来，先去掉外层冗余括号，再按分隔符拆分：

vec1 <- "((PAUL & SAM) | (PAUL | SAM) | (NINA & SAM) | (NINA | SAM) | (NINA & PAUL) | (NINA | PAUL))"

# 去掉最外层的两层括号
clean_str <- gsub("^\\(\\(|\\)\\)$", "", vec1)
# 按" | "拆分得到每个带括号的配对
pairs_with_paren <- strsplit(clean_str, " \\| ")[[1]]
# 去掉每个配对的括号
pairs <- gsub("^\\(|\\)$", "", pairs_with_paren)

运行后pairs会得到：

[1] "PAUL & SAM"  "PAUL | SAM"  "NINA & SAM"  "NINA | SAM"  "NINA & PAUL" "NINA | PAUL"

步骤2：为每个配对生成唯一标识（键） #

对于每个配对，我们把两个元素拆分后排序，这样不管是A & B还是B | A，都会生成相同的键，方便识别同组配对：

# 定义生成键的函数：拆分元素→排序→用逗号连接
get_pair_key <- function(pair_str) {
  elements <- strsplit(pair_str, " & | \\| ")[[1]]
  paste(sort(elements), collapse = ",")
}

# 为每个配对生成键
pair_keys <- sapply(pairs, get_pair_key)
# 组合成数据框方便后续处理
pair_df <- data.frame(pair = pairs, key = pair_keys, stringsAsFactors = FALSE)

此时pair_df的内容是：

pair         key
1  PAUL & SAM  PAUL,SAM
2  PAUL | SAM  PAUL,SAM
3  NINA & SAM  NINA,SAM
4  NINA | SAM  NINA,SAM
5 NINA & PAUL NINA,PAUL
6 NINA | PAUL NINA,PAUL

步骤3：过滤保留含&的配对 #

我们可以按键分组，每组只保留包含&的配对，这里提供两种实现方式：

方式1：用dplyr分组过滤 #

library(dplyr)

filtered_pairs <- pair_df %>%
  group_by(key) %>%
  filter(grepl("&", pair)) %>%
  ungroup() %>%
  pull(pair)

方式2：用Base R实现（无需额外包） #

# 按键分组，取每组中含&的元素
filtered_pairs <- sapply(split(pair_df, pair_df$key), function(group) {
  group$pair[grepl("&", group$pair)]
})
# 转换为无命名向量
filtered_pairs <- unname(filtered_pairs)

最终得到的filtered_pairs就是目标结果：

[1] "PAUL & SAM"  "NINA & SAM"  "NINA & PAUL"

处理不同长度的vec1/vec2 #

如果vec1和vec2是长度大于1的向量，我们可以把上述逻辑封装成函数批量处理：

filter_keep_and_pairs <- function(vec) {
  lapply(vec, function(x) {
    # 重复字符串清理与拆分步骤
    clean_str <- gsub("^\\(\\(|\\)\\)$", "", x)
    pairs_with_paren <- strsplit(clean_str, " \\| ")[[1]]
    pairs <- gsub("^\\(|\\)$", "", pairs_with_paren)
    
    # 生成配对键
    get_pair_key <- function(pair_str) {
      elements <- strsplit(pair_str, " & | \\| ")[[1]]
      paste(sort(elements), collapse = ",")
    }
    pair_keys <- sapply(pairs, get_pair_key)
    pair_df <- data.frame(pair = pairs, key = pair_keys, stringsAsFactors = FALSE)
    
    # Base R过滤
    filtered <- sapply(split(pair_df, pair_df$key), function(group) {
      group$pair[grepl("&", group$pair)]
    })
    unname(filtered)
  })
}

# 测试批量处理
vec1 <- c("((PAUL & SAM) | (PAUL | SAM))", "((NINA & PAUL) | (NINA | PAUL))")
result <- filter_keep_and_pairs(vec1)

运行后result是一个列表，每个元素对应原向量中元素的过滤结果：

[[1]]
[1] "PAUL & SAM"

[[2]]
[1] "NINA & PAUL"

内容的提问来源于stack exchange，提问作者Newbie