如何用stringr处理地址重复前缀并保留单字符方向标识

可以用stringr包的str_replace()函数结合正则表达式精准处理，既能删除冗余的两字母前缀，又保留单字符方向标识：

library(tibble)
library(stringr)

# 原始数据
df <- tibble(address_bad = c("1 DA DATALPA PL", 
                             "231 ST STERN AVE", 
                             "943 W WESTON AVE"))

# 处理地址
df <- df %>%
  mutate(address_good = str_replace(address_bad, 
                                    "\\b([A-Z]{2})\\b (?=\\1[A-Z]+)", 
                                    ""))

df

代码说明 #

• 正则表达式\\b([A-Z]{2})\\b (?=\\1[A-Z]+)的作用：
  • \\b([A-Z]{2})\\b：匹配独立的两字母大写单词，并用括号把这两个字母捕获为分组1
  • (?=\\1[A-Z]+)：正向预查规则，确保这个两字母单词后面紧跟的单词是以分组1的两个字母开头的（也就是前缀和街道名前两位重复）
• str_replace()会把符合条件的两字母前缀及后续空格替换为空，删掉冗余内容；单字符方向标识（比如"W"）因为不满足"两字母"的匹配条件，会被完整保留。

运行结果 #

#> # A tibble: 3 × 2
#>   address_bad      address_good    
#>   <chr>            <chr>           
#> 1 1 DA DATALPA PL  1 DATALPA PL    
#> 2 231 ST STERN AVE 231 STERN AVE   
#> 3 943 W WESTON AVE 943 W WESTON AVE

内容的提问来源于stack exchange，提问作者nicholas