在 R 中使用正则表达式替换重复的字符串

Question

我有一个字符串如下:

text <- "http://x.co/imag/xyz.png,http://x.co/imag/xyz.png,http://x.co/imag/xyz.png,http://x.co/imag/jpg.png"

我想消除所有重复的地址，所以我的预期结果是:

expected <- "http://x.co/imag/xyz.png,http://x.co/imag/jpg.png"

我在 regex101.com 中尝试了 (^[\w|.|:|\/]*),\1+ 并且它可以删除字符串的第一次重复(在第二次失败).但是，如果我将它移植到 R 的 gsub，它不会按预期工作:

gsub("(^[\\w|.|:|\\/]*),\\1+", "\\1", text)

我已经尝试使用 perl = FALSE 和 TRUE 无济于事。

我做错了什么？

Answer 1

如果它们是连续的，你只需要稍微修改你的正则表达式。

取出你的 BOS anchor ^。
在逗号和反向引用周围添加一个簇组，然后对其进行量化(?:,\1)+。
并且，去掉管道符号 |，因为在类中它只是一个文字。

([\w.:/]+)(?:,\1)+

https://regex101.com/r/FDzop9/1

 ( [\w.:/]+ )         # (1), The adress
 (?:                  # Cluster
      , \1                 # Comma followed by what found in group 1 
 )+                   # Cluster end, 1 to many times

注意 - 如果您使用 split 和 unique 然后组合，您将失去顺序的项目。