Regex 在字符串中查找以“分隔”分隔的重复单词/&引用；

假设以下向量：

x <- c("/default/img/irs/irs/irs/irs/irs/irs/irs/irs/irs/irs/irs/irs/IRS.html/", "something/repeat/repeat_this")

我总是可以

str_split（x，“/”

并在列表上迭代

duplicated（）

函数，并使用

if（）

语句，但这将是非常低效的

---

期望的结果应该是一个带有真或假（或1和0）的向量。

我认为下面的内容对您有用。首先，

strsplit（）

中的

fixed=TRUE

绕过正则表达式引擎，直接进行精确匹配，使函数更快。接下来，

anyDuplicated（）

返回一个长度为1的整数结果，如果没有找到重复项，该结果将为零，否则将大于零。因此，我们可以使用

strsplit（）

拆分字符串，并在结果上迭代

anyDuplicated（）

。然后我们可以将结果向量与零进行比较

vapply(strsplit(x, "/", fixed = TRUE), anyDuplicated, 1L) > 0L
# [1]  TRUE FALSE

为了安全起见，您可能需要删除任何前导的

/

，因为它将在

strsplit（）

的结果中产生一个空字符，并且在某些情况下可能会产生误导性的结果（例如，字符串以

/

开头和

irs//irs

或类似的情况在字符串后面出现）。您可以使用

sub（“^/”，“，”，x）

删除前导正斜杠

总之，让您的

strsplit（）

想法更快的方法有：

• 使用

  strsplit（）

  中的

  fixed=TRUE

  绕过正则表达式引擎
• 使用

  anyDuplicated（）

  ，因为它会在找到一个匹配项后停止查找
• 使用

  vapply（）

  ，因为我们知道结果类型和长度

---

如果您只想检查您的模式，请选择其他解决方案

grepl(x, pattern = "((.+)/).*(/\\2(/|$))", perl=T)

当

（.+）

表示出现在斜杠前的单词本身（捕获组2）时，

*

允许在两个相等的子字符串之间出现任意长度的字符、数字和空格

（/\\2（/|$）

如果单词出现在一个斜杠之后，后跟另一个斜杠或字符串结尾（

$

），则匹配

---

对于提取，您可以如上所述使用strsplit（）。

为什么不在

strsplit

之后使用

table

而不是

duplicated

，并且只保留出现多次的单词（如

lapply（strsplit（x，“/”），函数（y）table（y）[table（y）>1]）

。@Cath运行

table

两次可能会比较慢。此外，添加

fixed=TRUE

将显著提高性能。所以，经过一个小小的修改，

temp1]

@DavidArenburg，在你发表评论之前，我有点听到你在我的脑海里说这句话；-）嗯，这比我想象的要容易！这是一个好主意，但在第二个结果中它是真的，在那里它应该是假的。OP需要精确匹配。我认为这只是部分匹配。此外，

sapply（）

不是必需的

grepl（）

是通过

x

矢量化的，所以

grepl（（.+）/（\\1）”，x，perl=TRUE）

就可以了。谢谢，我不知道grepl是矢量化的！为精确匹配Closer编辑了正则表达式，但对

x不起作用。对，我将编辑上面的正则表达式，以便在以后重复时匹配
grepl(x, pattern = "((.+)/).*(/\\2(/|$))", perl=T)