如何移除逗号分隔字符串中带额外符号的相似重复项？

解决方案步骤： #

• 拆分并清理字符串：将原始字符串按逗号分割，同时去除每个元素前后的空格
• 提取核心内容：移除每个元素末尾的特殊标记（如†、*），得到用于判断重复的核心文本
• 筛选唯一项：基于核心内容去重，保留每组相似项的第一个原始元素
• 合并结果：将筛选后的元素重新组合为逗号分隔的字符串

完整代码： #

# 原始字符串
words <- c("Hello, Hello, At desk (Idle), At desk (Idle)†, On floor (Active), On floor (Active)†, In meeting (Advisors), In meeting (Advisors)*, Day off (Birthday), Day off (Birthday)†")

# 1. 拆分字符串并清理空格
split_words <- strsplit(words, ",")[[1]] |> trimws()

# 2. 提取核心内容（移除末尾的†、*标记）
core_content <- gsub("([†*])$", "", split_words)

# 3. 筛选非重复的项
unique_words <- split_words[!duplicated(core_content)]

# 4. 合并为目标字符串
result <- paste(unique_words, collapse = ", ")

运行后result的输出即为期望结果：
"Hello, At desk (Idle), On floor (Active), In meeting (Advisors), Day off (Birthday)"

扩展说明： #

如果需要处理其他末尾特殊标记，只需修改正则表达式中的字符集即可，比如要处理#结尾的项，将gsub的正则改为([†*#])$即可。

内容的提问来源于stack exchange，提问作者user20751152