使用gsub提取字符串中的3位大写国家代码

我有若干字符串，需要从中提取格式为3位大写字母的国家代码。

示例输入字符串： #

mystring <- c(
  "Bloggs, Joe GBR London (1)/Bloggs, Joe London (2)",
  "Bloggs, Joe London (1)/Bloggs, Joe  GBR London (2)",
  "Bloggs, Joe London (1)/Bloggs, Joe London (2)",
  "Bloggs, Joe GBR London (1)/Bloggs, Joe GBR London (2)",
  "Bloggs, J-S GBR London (1)/Bloggs, J-S GBR London (2)"
)

期望输出： #

GBR/
/GBR
/
GBR/GBR
GBR/GBR

无国家代码时留空即可，后续可自行处理

我尝试过两种方法都没成功：

• 移除所有非大写字母的字符，但会保留姓名、地点中的大写字母，代码如下：

gsub("[^A-Z\"]", "", mystring)

• 尝试移除非首尾大写的字母，也因姓名问题失败。

我觉得保留所有3位连续大写字母的思路可行，但写不出正确代码，初步思路如下，求正确写法或更稳健的实现方法：

gsub("[^A-Z$]{3}", "", mystring)

可以用正则表达式精准匹配连续3位大写字母，结合字符串分割与拼接实现需求：

方法1：使用stringr包提取拼接（清晰易维护） #

library(stringr)

# 定义处理单条字符串的函数
extract_country_codes <- function(x) {
  # 按/分割字符串为前后两部分
  parts <- str_split(x, "/")[[1]]
  # 对每一部分提取独立的3位大写字母，无匹配则留空
  codes <- sapply(parts, function(p) {
    code <- str_extract(p, "\\b[A-Z]{3}\\b")
    ifelse(is.na(code), "", code)
  })
  # 用/拼接结果
  paste(codes, collapse = "/")
}

# 批量处理所有字符串
sapply(mystring, extract_country_codes)

关键正则说明：

• \\b：单词边界，确保匹配的是独立的3位大写字母（避免误匹配姓名/地名中连续3个大写的片段，比如姓名缩写）
• [A-Z]{3}：精准匹配连续3位大写字母

方法2：基础R纯gsub实现（无需额外包） #

如果不想加载第三方包，可通过多次正则替换实现：

# 第一步：提取每段中的3位大写代码，保留分隔符结构
temp <- gsub(".*?(\\b[A-Z]{3}\\b)?.*?(/|$)", "\\1\\2", mystring)
# 第二步：补全无代码位置的空值，对齐格式
result <- ifelse(grepl("^[^/]", temp) & !grepl("/$", temp), paste0(temp, "/"), temp)
result <- ifelse(grepl("/$", temp) & nchar(temp) == 1, temp, result)

内容的提问来源于stack exchange，提问作者Joe