string - 如何使用R删除字符串中的重复字符？

Question

我想用R实现一个功能，该功能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

我的函数将与用西类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是那么普遍(至少正确)。不必理会他们背后的可能情绪。尽管如此，有些单词可以包含两个连续的辅音(尤其是ll和rr)，但是我们可以从函数中跳过它。

因此，总而言之，此功能应将连续至少出现三次的字母替换为该字母。在上面的示例之一中， aaaaaaaaa替换为 a。

您能给我任何提示用 R来执行此任务吗？

Answer 1

我对此并不十分谨慎，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"

()首先捕获一个字母， \\1表示该字母， +表示匹配一次或多次；将所有这些部分放在一起，我们可以将一个字母匹配两次或更多次。

要包括字母数字之外的其他字符，请使用与您要包括的内容匹配的正则表达式替换 [[:alpha:]]。