R语言如何移除下划线分隔字符串中连续重复的相邻词项

实现逻辑 #

• 将输入字符串按下划线拆分为独立词项
• 逐个比对相邻词项，仅保留与前一个词项不重复的内容
• 将保留的词项重新用下划线拼接为结果字符串，全程无需预先指定任何固定词项

通用函数代码 #

remove_consecutive_dup <- function(str_vec) {
  vapply(str_vec, function(s) {
    # 按下划线拆分单个字符串
    word_parts <- strsplit(s, "_", fixed = TRUE)[[1]]
    # 标记需要保留的词：第一个词必保留，后续词仅在和前一个词不同时保留
    keep_mask <- c(TRUE, word_parts[-1] != word_parts[-length(word_parts)])
    # 拼接成最终字符串
    paste(word_parts[keep_mask], collapse = "_")
  }, FUN.VALUE = character(1L), USE.NAMES = FALSE)
}

效果验证 #

用题目给出的示例测试：

# 示例输入
input <- c(
  "ethnicity_ethnicity_selected_choice",
  "child_1_child_child_pid"
)

# 调用函数
remove_consecutive_dup(input)

运行输出和期望结果完全一致：

[1] "ethnicity_selected_choice" "child_1_child_pid"

说明：该函数对连续出现2次以上的重复词同样生效，例如输入"x_x_x_y_y_z"，处理后会得到"x_y_z"。

内容的提问来源于stack exchange，提问作者its.me.adam