使用正则表达式替换重复的字符组

Question

在R中，我有一个字符串，其中包含重复的字符组：

testString <- "Hi hi missing u lollol hahahahalol sillybilly haaaaa!"

我尝试使用gsub正则表达式替换每个单词中重复的字符组以产生以下输出：

"Hi hi missing u lol halol sillybilly haaaaa!"

我已经尝试了以下一行，但它没有产生正确的输出：

gsub("[[:blank:]](.+?){2,}[[blank]]\\1",
replacement="\\1", testString, perl=TRUE)

我做错了什么？

Answer 1

您可以匹配重复的连续单词字符并跳过它们，然后使用类似

的解决方案处理所有其他重复的连续字符

x <- "Hi hi missing u lollol hahahahalol sillybilly haaaaa!"
gsub("(\\w)\\1+(*SKIP)(*F)|(\\w+?)\\2+", "\\2", x, perl=TRUE)

请参阅regex demo和online R demo

详细：

• (\\w)\\1+(*SKIP)(*F) - 匹配并捕获一个单词char（带(\\w)，这可以调整）然后1+次出现这个相同的char（带\\1+）然后全文被丢弃并且引擎在比赛结束后继续搜索另一场比赛（使用PCRE (*SKIP)(*FAIL) verbs序列）
• | - 或
• (\\w+?)\\2+ - 将尽可能少的1个或多个字符字符捕获到第2组（使用(\\w+?)），然后匹配1个以上的相同值（使用{{1} }）。

替换只是第2组的值。