我的问题是早期 question 的直接扩展关于检测字符串中的连续单词(unigrams)。
在上一个问题中，
Not that that is related
可以通过这个正则表达式检测到:
\b(\w+)\s+\1\b在这里，我想检测连续的二元组(单词对):
are blue and then and then very bright
理想情况下，我也想知道如何将检测到的模式(重复)替换为单个元素，从而最终获得:
are blue and then very bright
(对于这个应用程序，如果重要的话，我在 R 中使用
gsub)
最佳答案
尝试以下正则表达式:
(\b.+?\b)\1\b
RegEx 将捕获一个字边界，然后是数据，然后是另一个字边界。
\1将引用捕获的内容，然后再次选择。然后它会在结尾处检查单词边界以防止 a and和 z zoo从被选中至于更换，使用
\1 .这将包含来自 的数据。 1st捕获组 (二元组的第一部分)，第一部分将用于替换整个内容。Live Demo on Regex101
关于regex - 连续重复二元组的正则表达式，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/36748168/