regex - 使用 R 查找字符串中的重复模式

Question

我有一个很大的文本，其中包含以下表达式:"aaaahahahahaha that was a good joke".处理后，我想要 "aaaaahahahaha"消失，或者至少将其更改为简单的 "ha" .

目前，我正在使用这个:

gsub('(.+?)\\1', '', str)

当带有模式的字符串位于句子的开头，而不是位于其他任何地方时，此方法有效。所以:

str <- "aaaahahahahaha that was a good joke"
gsub('(.+?)\\1', '', str)
#[1] "ha that was a good joke"`

但是

 str <- "that was aaaahahahahaha a good joke"
 gsub('(.+?)\\1', '', str)
#[1] "that was aaaahahahahaha a good joke"

这个问题可能与此相关:find repeated pattern in python ，但我找不到 R 中的等价物。

我假设非常简单，也许我错过了一些微不足道的东西，但由于正则表达式不是我的强项，而且我已经尝试了很多没有用的东西，我想知道是否有人可以帮助我。问题是:如何在 R 中查找并替换字符串中的重复模式？

预先感谢您的宝贵时间。

Answer 1

\b(\S+?)\1\S*\b

使用这个。查看演示。

https://regex101.com/r/sJ9gM7/46

对于 r 使用 \\b(\\S+?)\\1\\S*\\b 和 perl=TRUE选项。