如何移除R语言字符向量中的重复元素？多场景实操问询

嘿，我来帮你搞定这两个字符串去重的问题～ 针对你遇到的两种场景，我分别整理了靠谱的解决方法：

场景1：带标点的短术语重复（如BMI, 和BMI.） #

你之前用unique()失败是因为标点导致字符串被判定为不同内容，我们可以用正则直接匹配重复的术语，同时调整格式（比如把height(female)改成height (female)）：

library(stringr)

# 原字符串
s <- "height(female), weight, BMI, and BMI."

# 第一步：修正height(female)为height (female)的格式
s_formatted <- str_replace(s, "(\\w+)(\\(.*?\\))", "\\1 \\2")

# 第二步：去除重复的BMI，保留正确的"and"结构
result <- str_replace(s_formatted, "(?<=,\\s)(\\w+)([.,])\\s+and\\s+\\1([.,])", "and \\1\\3")

print(result)
# 输出："height (female), weight, and BMI."

正则说明： #

• (?<=,\\s)：正向预查，确保匹配的内容前面是, ，避免误匹配开头的术语
• (\\w+)([.,])：捕获核心术语（比如BMI）和它后面的标点
• \\s+and\\s+：匹配术语之间的"and"和空格
• \\1([.,])：匹配重复的核心术语和它的标点
• 替换为and \\1\\3：保留正确的"and + 术语"结构，同时用最后一个术语的标点

场景2：长短语的重复（如body mass index） #

你之前的正则没生效是因为没有正确匹配多词短语的重复，我们可以用「拆分-标准化-去重-重构」的思路，这个方法既兼容短术语也兼容长短语：

library(stringr)

# 原字符串
s <- "height (female), weight, weight, body mass index, body mass index."

# 1. 按", "拆分字符串为单个术语
terms <- str_split(s, ",\\s+")[[1]]

# 2. 标准化术语：去掉末尾标点、修剪空格，方便判断重复
standardized_terms <- str_trim(str_remove(terms, "[.,]$"))

# 3. 筛选出不重复的术语（保留第一次出现的）
unique_terms <- terms[!duplicated(standardized_terms)]

# 4. 重构符合英文表达的句子：最后一个术语前加"and"
if (length(unique_terms) > 1) {
  last_term <- unique_terms[length(unique_terms)]
  other_terms <- unique_terms[-length(unique_terms)]
  result <- paste(paste(other_terms, collapse = ", "), last_term, sep = ", and ")
} else {
  result <- unique_terms
}

print(result)
# 输出："height (female), weight, and body mass index."

思路说明： #

• 拆分术语：把长句子拆成独立的元素，方便逐个处理
• 标准化：统一去掉末尾的标点，避免因为标点不同被判断为不同术语
• 去重：用duplicated()找出重复的术语，只保留第一次出现的
• 重构句子：按照英文的表达习惯，在最后一个术语前加上"and"，让句子更自然

内容的提问来源于stack exchange，提问作者Adrian