Question

我有两个桌子。在一个表（IPTable）中，一个表中有一列包含IP地址（如下所示：“ 10.100.20.13”）。我正在尝试将每个数据与另一个表（SubnetTable）中包含子网地址的列中的数据进行匹配（看起来像这样：“ 10.100.20”，本质上是IP地址的简化版本-第3个之前的所有内容期）。这两个变量似乎都是chr向量。

基本上，原始IP数据如下所示：

IPTable $ IPAddress

10.100.20.13

10.100.20.256

10.100.200.23

101.10.13.43

101.100.200.1

和我正在比较的原始子网数据如下：

SubnetTable $ Subnet

变化

10.100.20

远程子网

10.100.200，101.10.13

未知子网

注意：

有时子网条目在用逗号分隔的字段中包含两个子网
IPAddress字段在组之间的位置不一致（例如-可能存在“ 10.110 .20.13”和“ 101.10 ”。 20.13“）

在不同脚本应用程序中，我能够在foreach循环中简单地将它们作为字符串进行比较。按照这种逻辑，它将遍历子网数据（SubnetTable）中的每个条目，将其与逗号分隔（以说明具有多个子网地址的条目），然后检查是否在“ IP地址”字段中找到匹配项（例如-是在“ 10.100.20.13”中的任意位置找到的“ 10.100.20”）。我使用该字段进行联接/合并。在使用R时，我了解到foreach循环并不是我应该这样做的最有效方法，而在其他应用程序中则需要很长时间，这就是我转向R的部分原因。

我没有看到针对这种类型的数据执行相同操作的方法（我已经完成了合并和联接，但是我没有看到一种方法，而没有获得两个足够相似的变量来链接两张桌子）。

过去，我已经能够使用sqldf，charindex和leftstr之类的R方法来查找特定字符“”。并把所有东西都拉到前面，但是这里的困难是要那样做，我需要寻找“”期间的第三次出现。而不是第一个。 我没有看到这样的方法，但是如果有一种方法，那可能是最好的。

我的下一个尝试是在IP地址上使用strsplit和sapply，其想法是仅重新组装前三个部分以创建要匹配的子网（在新列/变量中）。看起来像这样：

IPClassC <- sapply(strsplit(Encrypt_Remaining5$IPAddress, "[.]"), `[`)

这给出了一个“大列表”，使数据看起来像这样：

chr [1：4]“ 10”“ 100”“ 20” 13“

但是，当尝试将其放回原位时，我也会丢失八位位组之间的时间间隔。示例代码：

paste(c(IPClassC[[1]][1:3]), sep ="[.]", collapse = "")

这将产生如下内容：

“ 1010020”

最后我有两个问题：

1）是否有一种方法可以做我之前做的简单比较（本质上是将表1的子网变量合并到表2的IP地址的“大部分”，这种合并基于第三段之前的所有内容）。 ”），而不必将其拆分并重新组合IPAddress字段？

2）如果不是，我是否在尝试拆分然后重新组装的正确轨道上？如果是这样，我在进行重组时出了什么问题？或者有更简便/更好的方法吗？

谢谢，让我知道您还需要什么。

Answer 1

我认为您实际上要问的是如何将这两个表结合在一起，对吗？如果是这样，我会这样：

library(tidyr)
suppressPackageStartupMessages(library(dplyr))

IPTable <-
  data.frame(
    IPAddress =
      c(
        "10.100.20.13",
        "10.100.20.256",
        "10.100.200.23",
        "101.10.13.43",
        "101.100.200.1"
      ), 
    stringsAsFactors = FALSE
  )

我不确定您的SubnetTable是否真的像这样，即将子网地址与其他文本混合在一起吗？无论如何，此解决方案实际上会忽略其他文本。

SubnetTable <-
  data.frame(
    subnet_id = 1:5,
    Subnet =
      c(
        "Varies",
        "10.100.20",
        "Remote Subnet",
        "10.100.200, 101.10.13",
        "Unknown Subnet"
      ), 
    stringsAsFactors = FALSE
  )

首先，我们将多个子网分成多行。请注意，这假设SubnetTable$Subnet向量仅包含一个", "来分隔两个子网。即没有像这样的"Unknown, Subnet"字符串，否则它们也将分为两行。

SubnetTable_tidy <- tidyr::separate_rows(SubnetTable, Subnet, sep = ", ")
SubnetTable_tidy
#>   subnet_id         Subnet
#> 1         1         Varies
#> 2         2      10.100.20
#> 3         3  Remote Subnet
#> 4         4     10.100.200
#> 5         4      101.10.13
#> 6         5 Unknown Subnet

接下来，我们通过替换/删除点（Subnet），然后是一到三个数字（\\.），然后是字符串的结尾（{{1}），来提取\\d{1,3} }）来自$。

IPTable$IPAddress

现在我们可以连接两个表了。

IPTable$Subnet <- gsub("\\.\\d{1,3}$", "", IPTable$IPAddress)
IPTable
#>       IPAddress      Subnet
#> 1  10.100.20.13   10.100.20
#> 2 10.100.20.256   10.100.20
#> 3 10.100.200.23  10.100.200
#> 4  101.10.13.43   101.10.13
#> 5 101.100.200.1 101.100.200

Answer 2

unlist(strsplit(SubnetTable$Subnet,split=",")) %in% 
gsub("^(\\d{2,3}.\\d{2,3}.\\d{2,3}).*$","\\1",IPTable$IPAddress)

这将为您提供一个logical类的向量，该向量与子网中的每个项目都匹配TRUE / FALSE（对其中包含逗号的项目给出多个响应）。或者，您可以翻转两侧以获取每个IPAddress的逻辑列表，并告诉您该IP地址是否存在于子网列表中。

这是您要找的吗？

您也可以使用charmatch获得类似的结果：

sapply(strsplit(SubnetTable$Subnet, split=","), charmatch, IPTable$IPAddress)

这将为您的示例数据提供以下结果：

[[1]]
[1] NA

[[2]]
[1] 0

[[3]]
[1] NA

[[4]]
[1]  3 NA

[[5]]
[1] NA

请注意，只有一个匹配项时，您会得到它的索引，但是如果有多个匹配项，则值为0。

最后，翻转此按钮将为您提供IP地址与以下地址匹配的子网中的索引列表：

sapply(gsub("^(\\d{2,3}.\\d{2,3}.\\d{2,3}).*$","\\1",IPTable$IPAddress), charmatch, SubnetTable$Subnet)

导致：

10.100.20   10.100.20  10.100.200   101.10.13 101.100.200 
      2           2           4          NA          NA

在R中-基于重复字符的子字符串

2 个答案: