R语言正则替换：保留单个重复字符（&、#、空格）的实现方法

嘿，我来帮你搞定这个字符串处理的小难题！你想要把重复的空格、&和#都替换成单个对应字符，同时保留这些特殊字符本身对吧？之前用的gsub("[^A-z0-9]+"," ",string)把非字母数字的内容全删了，肯定达不到预期，咱们换个精准的思路来处理：

步骤1：先定义原字符串 #

str <- "Actividades Financieras &amp;&amp; Bancarias #### 23"

步骤2：分情况替换重复字符 #

我们可以针对每种重复的目标字符单独处理，逻辑清晰还不容易出错：

• 替换重复的&：匹配连续出现的&，替换成单个

str <- gsub("(&amp;)+", "\\1", str)

• 替换重复的#：匹配连续的#，替换成单个

str <- gsub("#+", "#", str)

• 替换重复的空格：匹配连续的空白字符，替换成单个空格

str <- gsub("\\s+", " ", str)

步骤3：查看处理后的结果 #

cat(str)
# 输出：Actividades Financieras & Bancarias # 23

当然，如果你想一步到位，也可以用一个正则表达式把三种情况合并，通过自定义替换函数返回对应单个字符：

str_cleaned <- gsub("(&amp;)+|#+|\\s+", function(x) {
  if (grepl("&amp;", x)) "&amp;" else if (grepl("#", x)) "#" else " "
}, str)

为什么之前的方法不行？ #

你之前用的[^A-z0-9]+是匹配所有非字母数字的字符，&和#都属于这类，所以会被直接替换成空格，这显然不是你想要的效果。咱们的思路是只针对重复出现的特定字符进行替换，而不是删除所有非字母数字内容。

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