我有一个大向量x（~200k个元素），其中每个元素都是逗号分隔的字符串。我还有一个小的查找表lkp，它将旧字符串Map到新字符串。为了这个例子，让我们假设这只是一个命名向量。
我想做的是：
1.我想将x中的每个元素拆分为它的标记
1.在lkp的帮助下替换令牌
1.从替换中删除重复项并排序
一个相当直接的实现看起来像这样：

library(stringr)
x <- c("a,b,c", "c", "b,c", "a,b")
lkp <- c(a = "A", b = "A", c = "B")

tokens <- str_split(x, fixed(","))
lapply(tokens, \(t) sort(unique(lkp[t])))

# [[1]]
# [1] "A" "B"

# [[2]]
# [1] "B"

# [[3]]
# [1] "A" "B"

# [[4]]
# [1] "A"

字符集
我观察到，虽然str_split非常快，但lapply可能需要相当长的时间：

library(tictoc)
xbig <- x[sample(length(x), 2e6, TRUE)]
tic("str_split")
tokens <- str_split(xbig, fixed(","))
toc()
# str_split: 0.89 sec elapsed

tic("lapply")
res <- lapply(tokens, \(t) sort(unique(lkp[t])))
toc()
# lapply: 60.33 sec elapsed

型
所以我想知道，是否有更聪明的方法来利用矢量化？
如果去掉唯一性和排序属性，更好的方法是

tic("split")
res <- split(lkp[unlist(tokens)], rep(seq_along(tokens), lengths(tokens)))
toc()
# split: 2.89 sec elapsed

型
所以我想知道（考虑到str_split的超快速度）是否有一个regex解决方案可以从stringr的速度中受益？