如何用R删除字符串中重复的字符？

Question

我想用R实现一个删除字符串中重复字符的函数。 例如，假设我的函数名为removeRS ，因此它应该以这种方式工作：

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

我的函数将用于用西班牙语编写的字符串，因此找到具有三个以上连续元音的单词并不常见（或至少是正确的）。 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（特别是ll和rr），但我们可以从我们的函数中跳过这个。

因此，总而言之，此函数应该替换仅与该字母连续出现至少三次的字母。 在以上的实施例之一， aaaaaaaaa被替换为a 。

你可以给我任何提示用R执行这项任务吗？

Answer 1

我没有仔细考虑过这个，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， +表示匹配一次或多个字母; 把所有这些碎片放在一起，我们可以匹配一个字母两次或更多次。

要包括除字母数字之外的其他字符，请将[[:alpha:]]替换为匹配任何内容的正则表达式。

Answer 2

我认为你应该注意问题描述中的含糊之处。 这是第一次尝试，但它显然不能以你想要的方式与“好运”一起工作：

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

Answer 3

由于您要替换至少出现3次的字母，这是我的解决方案：

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

正如您所看到的，4“a”已减少到仅1 a，3 r已减少到1 r，但2 n和2 e未被更改。 如上所述，你可以用[a-zA-KM-Z]或类似的任意组合替换[[:alpha:]] ，甚至可以使用“或”运算符| 如果希望代码只影响y和Q的重复，则在squre括号内[y|Q] 。

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