匹配并删除重复字符：替换多个 (3+) 非连续出现

Question

我正在寻找一种regex模式来匹配每个字符的第三个、第四个……出现。请看下面的说明：

例如，我有以下字符串：

111aabbccxccybbzaa1

我想在第二次出现后替换所有重复的字符。输出将是：

11-aabbccx--y--z---

到目前为止我尝试过的一些正则表达式模式：

使用以下正则表达式，我可以找到每个字符的最后一次出现：

(.)(?=.*\1)

或者使用这个我可以为连续的重复做它，但不能为任何重复做：

([a-zA-Z1-9])\1{2,}

Answer 1

非正则表达式 R 解决方案。拆分字符串。将此向量的 rowid >= 3 * 元素替换为'-'。将其粘贴回一起。

x <- '111aabbccxccybbzaa1'

xsplit <- strsplit(x, '')[[1]]
xsplit[data.table::rowid(xsplit) >= 3] <- '-'
paste(xsplit, collapse = '')

# [1] "11-aabbccx--y--z---"

*rowid(x)是一个整数向量，每个元素表示来自相应元素的值x已被实现的次数。因此，如果xis的最后一个元素1，并且第四次1出现在 中x，则rowid(x)is的最后一个元素4。

Answer 2

无需正则表达式即可轻松完成此操作：

请参阅此处使用的代码

s = '111aabbccxccybbzaa1'

for u in set(s):
    for i in [i for i in range(len(s)) if s[i]==u][2:]:
        s = s[:i]+'-'+s[i+1:]

print(s)

结果：

11-aabbccx--y--z---

这是如何运作的：

1. for u in set(s)获取字符串中唯一字符的列表：{'c','a','b','y','1','z','x'}
2. for i in ...循环我们在 3 中收集的索引。
3. [i for i in range(len(s)) if s[i]==u][2:]循环遍历字符串中的每个字符并检查它是否匹配u（从步骤 1 开始），然后将数组从第二个元素切片到末尾（如果存在则删除前两个元素）
4. 将字符串设置为s[:i]+'-'+s[i+1:]- 将索引之前的子字符串与-索引之后的子字符串连接起来，从而有效地省略原始字符。