Làm cách nào để xoá các ký tự lặp lại trong chuỗi bằng R?

Question

Tôi muốn thực hiện chức năng với R để xóa các ký tự lặp lại trong một chuỗi. Ví dụ, nói chức năng của tôi được đặt tên removeRS, vì vậy nó là nghĩa vụ phải làm việc theo cách này:

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

chức năng của tôi sẽ được sử dụng với chuỗi viết bằng tiếng Tây Ban Nha, vì vậy nó không phải là phổ biến mà (hoặc ít nhất là đúng) để tìm các từ có nhiều hơn ba nguyên âm kế tiếp. Không bận tâm về tình cảm có thể có đằng sau họ. Tuy nhiên, có những từ có thể có hai phụ âm kế tiếp (đặc biệt là ll và rr), nhưng chúng ta có thể bỏ qua điều này từ chức năng của chúng ta.

Vì vậy, để tổng hợp, hàm này sẽ thay thế các chữ cái xuất hiện ít nhất ba lần liên tiếp chỉ với chữ cái đó. Trong một trong các ví dụ trên, aaaaaaaaa được thay thế bằng a.

Bạn có thể cho tôi bất kỳ gợi ý nào để thực hiện tác vụ này với R không?

Answer 1

Tôi không nghĩ rất cẩn thận về vấn đề này, nhưng đây là giải pháp nhanh chóng của tôi sử dụng tài liệu tham khảo trong biểu thức thông thường :

gsub('([[:alpha:]])\\1+', '\\1', 'Buenaaaaaaaaa Suerrrrte') 
# [1] "Buena Suerte" 

() chụp một bức thư đầu tiên, \\1 đề cập đến lá thư đó, + nghĩa để phù hợp với nó một lần trở lên; đặt tất cả các mảnh lại với nhau, chúng ta có thể kết hợp một chữ cái hai hoặc nhiều lần.

Để bao gồm các ký tự khác ngoài chữ và số, hãy thay thế [[:alpha:]] bằng regex khớp với bất kỳ thứ gì bạn muốn đưa vào.

Answer 2

Tôi nghĩ bạn nên chú ý đến sự mơ hồ trong mô tả sự cố của mình. Đây là một đâm đầu tiên, nhưng rõ ràng không làm việc với "Good Luck" theo cách mà bạn mong muốn:

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

Answer 3

Vì bạn muốn thay thế ký tự xuất hiện ít nhất 3 lần, đây là giải pháp của tôi:

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

Như bạn sẽ nhìn thấy 4 "a" đã được giảm xuống chỉ 1 a, 3 r có được giảm xuống 1 r nhưng 2 n và 2 e không bị thay đổi. Như đã đề cập ở trên, bạn có thể thay thế [[:alpha:]] bởi bất kỳ sự kết hợp của [a-zA-KM-Z] hoặc tương tự, và thậm chí sử dụng "hoặc" điều hành | bên trong dấu ngoặc squre [y|Q] nếu bạn muốn mã của bạn để ảnh hưởng đến chỉ lặp đi lặp lại của y và Q.

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