如何在R中用連續的相同字母分割字符串

Question

我有一個像這樣的字符串：

s <- "aaehhhhhhhaannd"

如何用R將字符串拆分為以下格式？

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

Answer 1

您可以使用str_extract_all和regex (.)\\\\1* ，它使用反向引用來匹配重復字符：

library(stringr)
str_extract_all("aaehhhhhhhaannd", "(.)\\1*")
#[[1]]
#[1] "aa"      "e"       "hhhhhhh" "aa"      "nn"      "d"

Answer 2

你可以使用一個基礎R strsplit與基於PCRE正則表達式lookarounds 。

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

在線查看R演示和正則表達式演示 。

正則表達式詳細信息 ：

• (?<=(.)) - 一個積極的lookbehind（ (?<=...) ）“看起來”離開並使用(.) 捕獲組 將任何char 捕獲到組1中（此值可以從借助於\\1 反向引用的模式 ）
• (?!\\\\1) - 如果與當前位置右側的第1組中捕獲的值相同，則會導致匹配失敗的負向前瞻。

由於外觀不消耗文本，因此拆分發生在不同字符之間的位置。

注意：如果你想. 匹配一個換行符，也加(?s)在模式的開始（如PCRE正則表達式， .默認情況下不匹配換行符）。