如何在R语言中提取字符串中的完整匹配指定词汇

问题出在正则匹配的顺序上：当你用paste(ind_val, collapse = "|")生成cnn|cnncod40的模式时，正则引擎会按从左到右的顺序尝试匹配，遇到第一个能匹配的子串就停止。所以包含cnncod40的字符串会先匹配到前缀cnn，导致提取不到完整的目标值。

解决思路很简单：把匹配项按字符串长度从长到短排序，让更长的匹配项优先被检查，这样就能优先匹配到完整的长字符串，避免被短前缀截胡。

修改后的代码如下：

library(stringr)

strings <- c('strng_tst_1_cnn_rst.txt', 'strng_tst_1_cnncod40_cst.txt','strng_tst_2_cnn_crst.txt', 'strng_tst_2_cnncod40_rrst.txt')

ind_val <- c('cnn','cnncod40')
# 按字符串长度降序排序，长串优先匹配
ind_val_sorted <- ind_val[order(-nchar(ind_val))]
# 生成正则匹配模式
pattern <- paste(ind_val_sorted, collapse = "|")
# 提取目标内容
str_extract(strings, pattern)

运行后输出：

[1] "cnn"       "cnncod40"  "cnn"       "cnncod40"

这种方法适用于任意数量的匹配项，哪怕有数百个，排序逻辑会自动处理长字符串优先匹配的需求。

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