通过删除连续的重复项来减少字符串长度

我有一个包含 2 个字段的 R 数据框：

ID             WORD
1           AAAAABBBBB
2           ABCAAABBBDDD
3           ...

我想通过仅保留字母而不是重复中的重复项来简化具有重复字母的单词：

e.g.: AAAAABBBBB应该给我AB and ABCAAABBBDDD应该给我ABCABD

有人知道如何做到这一点吗？

这是使用正则表达式的解决方案：

x <- c('AAAAABBBBB', 'ABCAAABBBDDD')
gsub("([A-Za-z])\\1+","\\1",x)

编辑：根据要求，进行一些基准测试。我在评论中添加了 Matthew Lundberg 的模式，匹配任何字符。看起来gsub速度快一个数量级，匹配任何字符都比匹配字母快。

library(microbenchmark)
set.seed(1)
##create sample dataset
x <- apply(
  replicate(100,sample(c(LETTERS[1:3],""),10,replace=TRUE))
,2,paste0,collapse="")
##benchmark
xm <- microbenchmark(
    SAPPLY = sapply(strsplit(x, ''), function(x) paste0(rle(x)$values, collapse=''))
    ,GSUB.LETTER = gsub("([A-Za-z])\\1+","\\1",x)
    ,GSUB.ANY = gsub("(.)\\1+","\\1",x)
)
##print results
print(xm)
# Unit: milliseconds
         # expr       min        lq    median        uq       max
# 1    GSUB.ANY  1.433873  1.509215  1.562193  1.664664  3.324195
# 2 GSUB.LETTER  1.940916  2.059521  2.108831  2.227435  3.118152
# 3      SAPPLY 64.786782 67.519976 68.929285 71.164052 77.261952

##boxplot of times
boxplot(xm)
##plot with ggplot2
library(ggplot2)
qplot(y=time, data=xm, colour=expr) + scale_y_log10()