如何用R的stringr包从长向量中提取完整的变量赋值表达式？

现有存储在单个长向量中的文本内容如下：

&nuSessao=26.2023
&nuSessao=21.2013.N
&nuSessao=24.2023
&Data=22/12/2023
&txFaseSessao=Ordem do Dia
&txFaseSessao=Fechamento

需要提取指定变量（如&nuSessao）的所有完整赋值表达式，最终得到如下向量：

[1] "&nuSessao=26.2023"   "&nuSessao=21.2013.N" "&nuSessao=24.2023" 

尝试使用以下代码：

results<-stringr::str_extract_all(MyPage, "&amp;amp;nuSessao=*") |> unlist()

但结果仅重复返回变量名部分，而非完整表达式：

results
 [1] "&nuSessao=" "&nuSessao=" "&nuSessao=" "&nuSessao="
 [5] "&nuSessao=" "&nuSessao=" "&nuSessao=" "&nuSessao="
 [9] "&nuSessao=" "&nuSessao=" "&nuSessao=" "&nuSessao="
[13] "&nuSessao=" "&nuSessao=" "&nuSessao=" "&nuSessao="
[17] "&nuSessao=" "&nuSessao=" "&nuSessao=" "&nuSessao="
[21] "&nuSessao=" "&nuSessao=" "&nuSessao=" "&nuSessao="
[25] "&nuSessao=" "&nuSessao=" "&nuSessao=" "&nuSessao="
[29] "&nuSessao=" "&nuSessao=" "&nuSessao=" "&nuSessao="
[33] "&nuSessao=" "&nuSessao=" "&nuSessao=" "&nuSessao="
[37] "&nuSessao=" "&nuSessao=" "&nuSessao=" "&nuSessao="
[41] "&nuSessao=" "&nuSessao=" "&nuSessao=" "&nuSessao="
[45] "&nuSessao=" "&nuSessao=" "&nuSessao=" "&nuSessao="
[49] "&nuSessao=" "&nuSessao="

方法一：修正正则表达式 #

之前的正则&nuSessao=*中，=后面的*表示匹配0个或多个=，而非匹配变量值。需要修改为匹配=之后直到换行符的所有内容，正确的正则如下：

results <- stringr::str_extract_all(MyPage, "&amp;amp;nuSessao=.+") |> unlist()

如果需要更严谨（比如处理可能的空值或特殊字符），可以使用[^\\n]+匹配换行符之外的所有字符：

results <- stringr::str_extract_all(MyPage, "&amp;amp;nuSessao=[^\\n]+") |> unlist()

方法二：先分割再筛选 #

如果文本是按换行符分隔的，也可以先将长向量分割为单行元素，再筛选包含目标变量的行：

# 分割为单行
lines <- stringr::str_split(MyPage, "\\n") |> unlist()
# 筛选包含目标变量的行
results <- lines[stringr::str_detect(lines, "&amp;amp;nuSessao=")]

这两种方法都能得到预期的完整赋值表达式向量。# 问题
我有一个存储在单个长向量中的文本文件，内容包含如下赋值表达式：

&nuSessao=26.2023
&nuSessao=21.2013.N
&nuSessao=24.2023
&Data=22/12/2023
&txFaseSessao=Ordem do Dia
&txFaseSessao=Fechamento

我希望提取指定变量的所有完整赋值表达式并保存到向量中，预期结果如下：

[1] "&nuSessao=26.2023"   "&nuSessao=21.2013.N" "&nuSessao=24.2023" 

尝试使用以下命令后，仅得到重复的变量名部分，而非完整表达式：

results <- stringr::str_extract_all(MyPage, "&amp;nuSessao=*") |> unlist()

返回结果：

results
 [1] "&nuSessao=" "&nuSessao=" "&nuSessao=" "&nuSessao="
 [5] "&nuSessao=" "&nuSessao=" "&nuSessao=" "&nuSessao="
 [9] "&nuSessao=" "&nuSessao=" "&nuSessao=" "&nuSessao="
[13] "&nuSessao=" "&nuSessao=" "&nuSessao=" "&nuSessao="
[17] "&nuSessao=" "&nuSessao=" "&nuSessao=" "&nuSessao="
[21] "&nuSessao=" "&nuSessao=" "&nuSessao=" "&nuSessao="
[25] "&nuSessao=" "&nuSessao=" "&nuSessao=" "&nuSessao="
[29] "&nuSessao=" "&nuSessao=" "&nuSessao=" "&nuSessao="
[33] "&nuSessao=" "&nuSessao=" "&nuSessao=" "&nuSessao="
[37] "&nuSessao=" "&nuSessao=" "&nuSessao=" "&nuSessao="
[41] "&nuSessao=" "&nuSessao=" "&nuSessao=" "&nuSessao="
[45] "&nuSessao=" "&nuSessao=" "&nuSessao=" "&nuSessao="
[49] "&nuSessao=" "&nuSessao="

错误原因 #

原正则表达式&nuSessao=*中的*是正则量词，作用是匹配前面的=字符0次或多次，因此只会捕获&nuSessao=部分，无法获取等号后的赋值内容。

方案1：修正正则表达式直接提取 #

使用[^\\n]+匹配等号后除换行符外的所有字符，确保捕获整行的完整赋值：

library(stringr)
# 提取所有以&nuSessao=开头的完整赋值表达式
results <- str_extract_all(MyPage, "&amp;nuSessao=[^\\n]+") |> unlist()

方案2：拆分文本后筛选（更直观） #

先将长向量拆分为单行，再筛选以目标变量开头的行：

library(stringr)
# 把长文本拆分为单独的行
lines <- str_split(MyPage, "\\n") |> unlist()
# 筛选以&nuSessao=开头的行
results <- lines[str_detect(lines, "^&amp;nuSessao=")]

两种方案都能得到预期的完整赋值表达式向量。

内容的提问来源于stack exchange，提问作者RodLL