R 删除连续运行的字符中的重复项

我的字符串包含大量重复项，如下所示：

tst <- c("C>C>C>B>B>B>B>C>C>*>*>*>*>*>C", "A>A>A", "*>B>B", 
     "A>A>A>A>A>*>A>A>A>*>*>*>*>A>A", "*>C>C", "A")

我成功提取了重复的大写字母：

library(stringr)
unlist(str_extract_all(gsub(">", "", tst), "(.)(?=\\1)"))
[1] "C" "C" "B" "B" "B" "C" "*" "*" "*" "*"

但我有点被困在这里了。我的直觉是，返回索引的函数

可能会有所帮助，但不知道在这种情况下如何实现它

有什么想法吗

编辑：

我自己也离解决方案不远——只是使用消极的前瞻（而不是积极的前瞻）就可以做到：

str_extract_all(gsub(">", "", tst), "(.)(?!\\1)")
[[1]]
[1] "C" "B" "C" "*" "C"

[[2]]
[1] "A"

[[3]]
[1] "*" "B"

[[4]]
[1] "A" "*" "A" "*" "A"

[[5]]
[1] "*" "C"

[[6]]
[1] "A"

我们可以使用
gsub

gsub("([A-Z*]>)\\1+", "\\1", tst)
#[1] "C>B>C>*>C"

要获得第二个结果，请删除

gsub(">", "", gsub("([A-Z*]\\>)\\1+", "\\1", tst) ,fixed = TRUE)
#[1] "CBC*C"

根据OP下面的评论，可能是

gsub("(.)\\1+", "\\1", gsub(">", "", tst))
#[1] "CBC*C"
gsub("(.)\\1+", "\\1", gsub(">", "", "A>"))
#[1] "A"
gsub("(.)\\1+", "\\1", gsub(">", "", "A>A"))
#[1] "A"
gsub("(.)\\1+", "\\1", gsub(">", "", "A>A>A>A"))
#[1] "A"

对于对regex过敏的人：

paste(rle(strsplit(tst, ">")[[1]])$values, collapse = ">") # or collapse = ""
[1] "C>B>C>*>C"

…当然，对于包含小写字母的字符串，如
“A>A>A>A>A>A”
另一种获取
CBC*C
的方法可能是使用2个组，并在替换中使用组2

((.)>)\1+


范例

tst <- "C>C>C>B>B>B>B>C>C>*>*>*>*>*>C"
gsub("((.)>)\\1+", "\\2", tst)

一种有点通用的基本R方法，没有regexp

这里的想法是将字符串分解为多个组，然后依次删除重复模式（这使其不同于
unique
）：

这是一个很好的解决方案。为什么解决方案在这样的问题上失败：
gsub（（.）>）\\1+，“\\2”，“a>a>a>a”）
？如何对其进行编辑以使其也适用于此类案例？@ChrisRuehlemann这取决于预期结果。当前模式重复捕获组以获得连续的部分。替换使用内部第二组。@ChrisRuehlemann它与最后一个A不匹配，因为它不在重复模式中。您可以选择匹配第二个组
（.）>）\1+\2*
，以匹配相同的尾随字符。谢谢。事实证明，最好的解决方案确实是
gsub（（）\\1+，“\\1”，gsub（“>，”，tst））
@阿克伦只是在几分钟前发布的。因此，为了公平起见，我不得不接受他的回答。@ChrisRuehlemann对
A
的期望是什么，只是这个，没有什么else@ChrisRuehlemann这将返回
gsub（“（）\\1+”，“\\1”，gsub（“>”，“，“A>A>A>A”））#[1]“A”
在
gsub（“（）\\1+”，“\\1”，gsub（“>”，“，tst））#[1]“CBC*C”上进行测试
@ChrisRuehlemann这也适用于
gsub（（）\\1+，“\\1”，gsub（“>，”，“A>A”）#[1]“A”
与
gsub（（）\\1+\\2*，“\\2”，“A>A”）#[1]“A>A”
tst <- "C>C>C>B>B>B>B>C>C>*>*>*>*>*>C"
gsub("((.)>)\\1+", "\\2", tst)

[1] "CBC*C"

tst <- "C>C>C>B>B>B>B>C>C>*>*>*>*>*>C"
st <- paste(unlist(strsplit(tst,">")),collapse="")
#[1] "CCCBBBBCC*****C"

paste( unlist( sapply( 1:nchar(st), function(x){
  if( substr(st,x,x) != substr(st,(x+1),(x+1)) ){ substr(st,x,x) } } ) ), collapse="" )
#[1] "CBC*C"

paste( unlist( sapply( 1:nchar(st), function(x){
  a=substr(st,x,x); b=substr(st,(x+1),(x+1));
  if( a != b & toupper(a) == a ){ a } else if( toupper(a) != a ){ a }  } ) ), collapse="" )