使用正则表达式替换重复的字符组
Replacing repeated groups of characters using regex
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!"
我正在尝试使用 gsub 正则表达式替换每个单词中重复的字符组以生成以下输出：
"Hi hi missing u lol halol sillybilly haaaaa!"
我尝试了以下行，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？
您可以匹配重复的连续字符并跳过它们，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)
见regex demo and an online R demo
详情:
(\w)\1+(*SKIP)(*F) - 匹配并捕获一个单词 char（使用 (\w)，可以调整），然后出现 1+ 个相同的字符（使用 \1+），然后是整个文本被丢弃，引擎在匹配结束后继续搜索另一个匹配（使用 PCRE (*SKIP)(*FAIL) verbs 序列）| - 或(\w+?)\2+ - 1 个或多个单词字符，尽可能少，被捕获到第 2 组（使用 (\w+?)），然后匹配相同值的 1+ 次出现（使用 \2+).
替换的只是第 2 组值。
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!"
我正在尝试使用 gsub 正则表达式替换每个单词中重复的字符组以生成以下输出：
"Hi hi missing u lol halol sillybilly haaaaa!"
我尝试了以下行，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？
您可以匹配重复的连续字符并跳过它们，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)
见regex demo and an online R demo
详情:
(\w)\1+(*SKIP)(*F)- 匹配并捕获一个单词 char（使用(\w)，可以调整），然后出现 1+ 个相同的字符（使用\1+），然后是整个文本被丢弃，引擎在匹配结束后继续搜索另一个匹配（使用 PCRE(*SKIP)(*FAIL)verbs 序列）|- 或(\w+?)\2+- 1 个或多个单词字符，尽可能少，被捕获到第 2 组（使用(\w+?)），然后匹配相同值的 1+ 次出现（使用\2+).
替换的只是第 2 组值。