R语言字符串处理：提取P前缀编码并复制到对应分组括号前

需求说明 #

输入字符串：

input_string <- "P24928 [1909-1922]; [1923-1936]; P08775 [1909-1922]; [1923-1936]"

需要提取所有P#####格式的编码，将每个编码补到其对应的第二个方括号区间前方，最终得到目标字符串：

"P24928 [1909-1922]; P24928 [1923-1936]; P08775 [1909-1922]; P08775 [1923-1936]"

实现方案 #

通过正则表达式的捕获组功能可快速完成替换，以下提供两种实现方式：

方式一：使用stringr包（推荐，语法更直观）

# 若未安装stringr包，先执行：install.packages("stringr")
library(stringr)

input_string <- "P24928 [1909-1922]; [1923-1936]; P08775 [1909-1922]; [1923-1936]"

# 正则捕获组替换
output_string <- str_replace_all(input_string, "(P\\d{5}) (\\[.*?\\]); (\\[.*?\\])", "\\1 \\2; \\1 \\3")

# 输出结果
print(output_string)

方式二：使用基础R的gsub函数

input_string <- "P24928 [1909-1922]; [1923-1936]; P08775 [1909-1922]; [1923-1936]"

# 启用Perl正则语法支持非贪婪匹配
output_string <- gsub("(P\\d{5}) (\\[.*?\\]); (\\[.*?\\])", "\\1 \\2; \\1 \\3", input_string, perl = TRUE)

# 输出结果
print(output_string)

正则逻辑说明 #

• (P\\d{5})：捕获第一个分组，匹配P开头加5位数字的编码格式
• (\\[.*?\\])：捕获第二个分组，匹配第一个带区间的方括号内容（.*?为非贪婪匹配，避免跨区间匹配）
• ; ：匹配分隔用的分号加空格
• (\\[.*?\\])：捕获第三个分组，匹配未带编码的第二个区间方括号内容
• 替换模板\\1 \\2; \\1 \\3：将第三个分组前补上第一个分组捕获到的P编码，实现对应区间的编码补全

内容的提问来源于stack exchange，提问作者John H