在字符串中查找由"/“分隔的重复单词
假设以下向量：
x <- c("/default/img/irs/irs/irs/irs/irs/irs/irs/irs/irs/irs/irs/irs/IRS.html/", "something/repeat/repeat_this")我想检查一个由/括起来的单词是否被重复(注意，/可能在字符串的开始和结束中丢失)。我发现了下面的正则表达式here，但是(在我去掉特殊字符之后)我似乎无法修改它以适应我的情况：
grepl("\\b(\\S+?)\\1\\S*\\b", x, perl = TRUE)
# [1] TRUE TRUE 我总是可以str_split(x, "/")并在列表上迭代duplicated()函数，并使用if()语句，但这将是非常低效率的。
期望的结果应该是带有TRUE或FALSE (或1和0)的向量。
回答 2
Stack Overflow用户
发布于 2016-02-23 14:47:36
我想以下几点可能对你有用。首先，fixed = TRUE在strsplit()中绕过正则表达式引擎，直接进行精确匹配，从而使函数速度更快。接下来，anyDuplicated()返回一个长度为一个整数的结果，如果没有找到重复项，它将是零，否则返回大于零的结果。因此，我们可以使用strsplit()拆分字符串，并对结果迭代anyDuplicated()。然后，我们可以比较得到的向量与零。
vapply(strsplit(x, "/", fixed = TRUE), anyDuplicated, 1L) > 0L
# [1] TRUE FALSE为了安全起见，您可能希望删除任何前导/，因为它将在strsplit()的结果中生成一个空字符，并且在某些情况下可能会产生误导性结果(例如，字符串以/和irs//irs开头或类似的情况在字符串后面发生)。您可以使用sub("^/", "", x)删除前导正斜杠。
总之，使您的strsplit()想法更快的方法是：
- 在
fixed = TRUE中使用strsplit()绕过正则表达式引擎 - 使用
anyDuplicated()，因为它不再照看它找到一个匹配的 - 使用
vapply()，因为我们知道结果的类型和长度
Stack Overflow用户
发布于 2016-02-24 17:25:22
其他解决方案--如果您只想检查您的模式
grepl(x, pattern = "((.+)/).*(/\\2(/|$))", perl=T)如果(.+)表示出现在斜杠前面的单词本身(捕获组2)，则.*允许在两个相等的子字符串之间出现任意长度的字符、数字和空格。然后，如果该单词发生在斜杠之后，然后是另一个斜杠或字符串的末尾( (/\\2(/|$)) )，则匹配。
对于提取，您可以使用上面详细阐述的strsplit()。
https://stackoverflow.com/questions/35580382
复制相似问题
腾讯云开发者
