如何在R语言中按连续相同字母分割字符串

Question

I have a string like this:

s <- "aaehhhhhhhaannd"

我该如何使用R将字符串拆分为以下格式？

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

- Elsa Li

Answer 1

你可以使用 str_extract_all 函数，正则表达式为 (.)\\1*，它使用反向引用来匹配重复字符：

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

- Psidom

Answer 2

你可以使用基本的R strsplit和基于环视的PCRE正则表达式。

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

请查看在线R演示和正则表达式演示。

正则表达式细节：

• (?<=(.)) - 一个正向后瞻（(?<=...)）会“查看”左侧，并使用(.) 捕获组将任何字符捕获到第1组中（可以通过\1 反向引用在模式内引用此值）
• (?!\\1) - 一个负向前瞻，如果当前位置右侧有与第1组中捕获的相同值，则匹配失败。

由于前后瞻不消耗文本，因此分割发生在不同字符之间的位置。

注意：如果你希望.匹配换行符，需要在模式开头加上(?s)（与PCRE正则表达式类似，默认情况下.不会匹配换行符）。

- Wiktor Stribiżew