r - 如何通过R中连续的相同字母拆分字符串

Question

我有这样一个字符串:

s <- "aaehhhhhhhaannd"

如何用R将字符串分割成下面的格式？

c("aa", "e", "hhhhhhh", "aa","nn","d") 

Answer 1

您可以使用基础 R strsplit使用基于 lookarounds 的 PCRE 正则表达式.

s <- "aaehhhhhhhaannd"
strsplit(s, "(?<=(.))(?!\\1)", perl=TRUE)
# [[1]]
# [1] "aa"      "e"       "hhhhhhh" "aa"      "nn"      "d"      

参见 R demo online和一个 regex demo .

正则表达式详细信息:

• (?<=(.)) - 正向后视 ((?<=...))，它“向左看”并捕获任何带有 (.) 的第 1 组字符capturing group (可以借助 \1 backreference 从模式内部引用此值)
• (?!\\1) - 如果在当前位置的右侧立即有与第 1 组中捕获的值相同的值，则匹配失败的否定前瞻。

由于环视不消耗文本，因此拆分发生在不同字符之间的位置。

注意:如果你想要 .也匹配换行符，添加 (?s)在模式的开头(如在 PCRE 正则表达式中，. 默认不匹配换行符)。