如何编写正则表达式去除连续重复的单个或两个单词

要实现移除句子中连续重复的单个或两个单词，保留首次出现的内容，可以使用以下正则方案：

正则表达式与代码实现 #

核心思路是捕获单个或两个连续单词的组，匹配其后重复的相同内容，并用首次出现的内容替换重复部分：

# 定义正则模式
pattern <- "\\b((\\w+\\s)?\\w+)\\s+\\1\\b"

# 测试字符串
string_a = "hello hello, how are you you?"
string_b = "goodbye world goodbye world, I am flying to the the moon!"

# 执行替换
gsub(pattern, "\\1", string_a)
gsub(pattern, "\\1", string_b)

输出结果 #

[1] "hello, how are you?"
[2] "goodbye world, I am flying to the moon!"

正则说明 #

• \\b：单词边界，确保匹配完整的单词，避免误匹配单词的部分片段
• ((\\w+\\s)?\\w+)：捕获组，支持两种情况：
  • 单个单词：\\w+
  • 两个连续单词：\\w+\\s\\w+（(\\w+\\s)?表示可选的第一个单词加空格）
• \\s+：匹配重复组之间的一个或多个空格
• \\1：引用前面捕获的内容，用首次出现的单词/单词组替换重复部分

内容的提问来源于stack exchange，提问作者zimia