如何去除tibble列字符串中的重复双字符序列并保留8位长度？

核心思路 #

借助tidyverse内置的stringr包，用正则匹配并移除连续重复的双字符序列，最终得到固定8位的目标字符串。

代码实现 #

假设你的tibble名为df，待处理列名为target_col，执行以下代码即可完成清洗：

library(tidyverse)

df_cleaned <- df %>%
  # 替换所有连续重复的双字符为单个双字符
  mutate(target_col = str_replace_all(target_col, "(..)\\1", "\\1")) %>%
  # 极端情况（多次重复）下强制截取前8位，保证结果长度合规
  mutate(target_col = str_sub(target_col, 1, 8))

正则逻辑说明 #

• (..)：捕获任意两个连续字符作为匹配分组
• \\1：引用上述捕获的分组，精准匹配与该分组完全一致的重复双字符
• str_replace_all会遍历字符串，替换所有符合规则的重复序列

示例验证 #

用你给出的异常字符串测试，结果如下：

• 输入ABABCDEF12 → 处理后ABCDEF12
• 输入ABCDCDEF12 → 处理后ABCDEF12
• 输入ABCDEFEF12 → 处理后ABCDEF12

内容的提问来源于stack exchange，提问作者pure_func