在R语言中如何去除字符串连续重复元素并保留单个副本？

你需要把连续重复的字符仅保留单个副本，这个需求在R里有几种高效的实现方式，我给你拆解一下：

1. Base R原生方案（无依赖，性能优） #

这是我最推荐的方法，用R内置的rle()函数（游程编码）来处理，完全不需要额外安装包，处理大字符串时效率也很高：

# 原始字符串
string <- "YYYYYXXXYYXZYYZ"

# 步骤1：把字符串拆分为单个字符的向量
char_vec <- strsplit(string, "")[[1]]

# 步骤2：用rle提取连续重复元素的唯一值
rle_obj <- rle(char_vec)
unique_chars <- rle_obj$values

# 步骤3：拼接回字符串
result <- paste(unique_chars, collapse = "")

# 输出结果
result
# [1] "YXYXZYZ"

原理很简单：rle()会把连续重复的元素分组，记录每组的长度和对应的值，我们只需要提取每组的唯一值，再拼接起来就完成了去重。

2. stringr包正则方案（代码简洁） #

如果你平时用tidyverse生态，stringr包的正则替换可以一行搞定，代码更简洁直观：

library(stringr)

string <- "YYYYYXXXYYXZYYZ"
result <- str_replace_all(string, "(.)\\1+", "\\1")

result
# [1] "YXYXZYZ"

正则表达式(.)\\1+的意思是：匹配任意单个字符（(.)），后面跟着一个或多个和它相同的字符（\\1+，\\1代表第一个捕获组的内容），然后把整个匹配的部分替换成单个的那个字符（\\1）。

最优方案选择 #

• 如果追求无依赖、高性能：优先选Base R的rle()方法，尤其是处理超长字符串时，它的运行速度比正则方法更快。
• 如果追求代码简洁、在tidyverse流程中：stringr的正则替换一行代码就能完成，可读性也不错。

内容的提问来源于stack exchange，提问作者dbk