使用R语言匹配并移除字符串中第二次重复的内容

• 核心方案：利用反向引用正则匹配末尾重复的片段，捕获并保留前半段内容，再过滤无重复的字符串。

• 关键正则：^(.*)\\s+\\1$

  • ^(.*)：捕获字符串前半段的任意内容（即需要保留的部分）
  • \\s+：匹配分隔重复片段的一个或多个空格
  • \\1：反向引用捕获的前半段内容，确保后半段是完全重复的
  • $：锚定字符串结尾，保证重复片段在末尾

• 完整代码实现：

names_vec <- c("Linda Smith","Elizabeth Olsen Green Elizabeth Olsen Green",
               "Eva Ferguson","Charlize Martinez White Charlize Martinez White",
               "digital copy solutions digitals",
               "honor security services honor security services")

# 匹配替换重复内容
matched_results <- sub("^(.*)\\s+\\1$", "\\1", names_vec)

# 过滤未匹配的无重复字符串
matched_vec <- matched_results[matched_results != names_vec]

# 输出结果
print(matched_vec)

运行后得到目标向量：

[1] "Elizabeth Olsen Green"     "Charlize Martinez White"   "honor security services"

• 适配说明：如果重复片段的分隔符不是空格，只需将\\s+替换为对应分隔符（如逗号替换为\\,）；若需匹配部分单词重复，可调整正则为^((.*\\s)?(\\w+))\\s+\\3$，但需根据实际场景验证。

内容的提问来源于stack exchange，提问作者Edwin Acuña