使用R语言stringr包提取文本8位数字码失败求助

你的问题出在正则表达式的单词边界\b上，它在部分场景下无法准确匹配独立的8位数字序列。比如示例中29932940后面紧跟-，虽然理论上存在单词边界，但这种匹配逻辑不够稳定。

修改方案 #

使用正向/反向否定断言替换单词边界，确保提取的是独立的8位数字（前后不能是数字），正则表达式改为(?<!\\d)\\d{8}(?!\\d)。

完整代码 #

library(stringr)
dados_sivep_tratados$Teste <- ifelse(
  dados_sivep_tratados$NU_DO == 0 & !is.na(dados_sivep_tratados$OBSERVA),
  str_extract(dados_sivep_tratados$OBSERVA, "(?<!\\d)\\d{8}(?!\\d)"),
  NA
)

正则说明 #

• (?<!\\d)：反向否定断言，确保8位数字的前一位不是数字，避免匹配更长数字的末尾部分
• \\d{8}：匹配连续8位数字
• (?!\\d)：正向否定断言，确保8位数字的后一位不是数字，避免匹配更长数字的开头部分

这个正则能准确提取示例中的29932940，同时适配其他包含独立8位数字的场景。

内容的提问来源于stack exchange，提问作者Bruna Firmino