如何使用模式匹配从R字符串向量中提取指定目标值？

可以通过正则表达式结合字符串处理工具实现需求，以下是两种常用方法：

方法一：使用stringr包（推荐，语法更简洁） #

# 先安装并加载stringr包（首次使用需安装）
# install.packages("stringr")
library(stringr)

# 定义待处理的字符串向量
strings <- c('/ccr/1.10E+93_ccrdt/indices/1.10E+93_ccr_ann_123.csv',
             '/ccr/1.10E+93_ccrdt/indices/1.10E+93_obsrst_ann.csv',
             '/ccr/1012055_obsrt/indices/1012055_obsrrt.csv',
             '/ccr/1012055_obsrt/indices/1012055_ccr_ann.csv',
             '/ccr/1018598_obsrt/indices/1018598_obsrrt.csv',
             '/ccr/AOL_obsrt/indices/AOL_rrst.csv',
             '/ccr/WDF985_obsrt/indices/WDF985_rrst.csv')

# 提取目标值
extracted_values <- str_extract(strings, "(?<=/ccr/)[^_]+")

# 输出结果
print(extracted_values)

运行后会得到符合要求的结果：

[1] "1.10E+93" "1.10E+93" "1012055"  "1012055"  "1018598"  "AOL"      "WDF985"  

方法二：使用基础R函数 #

无需额外安装包，直接用regmatches和regexpr实现：

# 定义字符串向量
strings <- c('/ccr/1.10E+93_ccrdt/indices/1.10E+93_ccr_ann_123.csv',
             '/ccr/1.10E+93_ccrdt/indices/1.10E+93_obsrst_ann.csv',
             '/ccr/1012055_obsrt/indices/1012055_obsrrt.csv',
             '/ccr/1012055_obsrt/indices/1012055_ccr_ann.csv',
             '/ccr/1018598_obsrt/indices/1018598_obsrrt.csv',
             '/ccr/AOL_obsrt/indices/AOL_rrst.csv',
             '/ccr/WDF985_obsrt/indices/WDF985_rrst.csv')

# 提取目标值
extracted_values_base <- regmatches(strings, regexpr("(?<=/ccr/)[^_]+", strings, perl = TRUE))

# 输出结果
print(extracted_values_base)

正则表达式说明 #

(?<=/ccr/)[^_]+的含义：

• (?<=/ccr/)：正向零宽断言，确保匹配内容的前缀是/ccr/
• [^_]+：匹配任意数量的非下划线字符，直到遇到第一个下划线为止，正好抓取我们需要的目标标识

内容的提问来源于stack exchange，提问作者Lily Nature