如何使用 R 删除字符串中的重复字符？答案

【问题标题】：How can I remove repeated characters in a string with R?如何使用 R 删除字符串中的重复字符？
【发布时间】：2012-06-22 21:56:53
【问题描述】：

我想用R 实现一个函数，它可以删除字符串中的重复字符。例如，假设我的函数名为removeRS，那么它应该以这种方式工作：

  removeRS('Buenaaaaaaaaa Suerrrrte')
  Buena Suerte
  removeRS('Hoy estoy tristeeeeeee')
  Hoy estoy triste

我的函数将与用西班牙语编写的字符串一起使用，因此查找具有三个以上连续元音的单词并不常见（或至少正确）。不用担心他们背后可能存在的情绪。尽管如此，有些单词可以有两个连续的辅音（尤其是 ll 和 rr），但我们可以从函数中跳过它。

所以，总而言之，这个函数应该用那个字母替换连续出现至少 3 次的字母。在上述示例之一中，aaaaaaaaa 被替换为 a。

您能给我任何提示以使用R 执行此任务吗？

【问题讨论】：

标签： string r

【解决方案1】：

我没有仔细考虑这一点，但这是我在正则表达式中使用引用的快速解决方案：

gsub('([[:alpha:]])\\1+', '\\1', 'Buenaaaaaaaaa Suerrrrte')
# [1] "Buena Suerte"

()先捕获一个字母，\\1指那个字母，+表示匹配一次或多次；将所有这些部分放在一起，我们可以匹配一个字母两次或多次。

要包含字母数字以外的其他字符，请将[[:alpha:]] 替换为匹配您希望包含的任何内容的正则表达式。

【讨论】：

谢谢，如果你想从中排除一些字母呢？例如，排除字母 L 和 R。
[:alpha:] 表示a-zA-Z；如果你想具体一点，你可以说，例如[a-zA-KM-QS-Z] 删除大写 L 和 R；见?regexp
这是一个使用 perl 风格的零宽度前瞻正则表达式的变体：gsub("([[:alpha:]])(?=\\1)", "", s, perl = TRUE)。它匹配所有字母字符中除最后一个之外的所有字符。
@G.Grothendieck 将[[:alpha:]] 与perl=True 一起工作吗？这不是有效的 PCRE 语法。
@G.Grothendieck 对于这个特定的任务，你的版本要慢得多，没有真正的收获。不过，作为旁注很好。

【解决方案2】：

我认为您应该注意问题描述中的歧义。这是第一次尝试，但它显然不能以您希望的方式与“祝你好运”一起工作：

removeRS <- function(str) paste(rle(strsplit(str, "")[[1]])$values, collapse="")
removeRS('Buenaaaaaaaaa Suerrrrte')
#[1] "Buena Suerte"

【讨论】：

感谢您的回答@DWin。 “祝你好运”的例子根本不打扰我，我接受并为模棱两可道歉。从这个意义上说，英语中的事情不像西班牙语那样有效。我尝试了您的解决方案，它可以按我的意愿工作。顺便说一句，我已经编辑了这个问题以使其更清楚。

【解决方案3】：

由于您要替换出现至少 3 次的字母，因此这是我的解决方案：

gsub("([[:alpha:]])\\1{2,}", "\\1", "Buennaaaa Suerrrtee")
#[1] "Buenna Suertee"

如您所见，4“a”已缩减为仅 1 a，3 r 已缩减为 1 r，但 2 n 和 2 e 未更改。如上所述，您可以将[[:alpha:]] 替换为[a-zA-KM-Z] 或类似的任意组合，如果您希望代码仅影响y 和问。

gsub("([a|e])\\1{2,}", "\\1", "Buennaaaa Suerrrtee")
# [1] "Buenna Suerrrtee"
# triple r are not affected and there are no triple e.

【讨论】：