如何使用正则表达式提取SRR开头的8位数字子串并设置为cov_stats的行名

我来帮你搞定这个正则匹配的问题！你的需求是从FileName列的字符串里提取以SRR开头且后跟8位数字的子串，作为cov_stats的行名，之前尝试的正则表达式存在语法和逻辑上的小问题，我来给你修正并解释清楚。

先分析你之前的尝试问题： #

• 第一次的正则^\./\SRR*_\stats.\txt：转义错误（\S是正则特殊字符，不是字面的字母S），而且*表示重复前一个字符0次或多次，无法精准匹配8位数字，同时路径和后缀的匹配逻辑也不对。
• 第二次的正则^SRR[:digit:]*：你用gsub把匹配到的内容替换成空字符串，这完全搞反了逻辑——我们需要保留匹配到的部分，而不是删掉它。

正确的实现方法 #

方法1：使用基础R的gsub（无需额外包）

利用正则的捕获组功能，匹配整个文件名，只保留我们需要的部分：

# 提取SRR开头+8位数字的子串作为行名
rownames(cov_stats) <- gsub(".*/(SRR\\d{8})_stats\\.txt", "\\1", cov_stats[["FileName"]])

正则解释：

• .*/：匹配到最后一个斜杠/之前的所有内容（也就是./stats/部分）
• (SRR\\d{8})：捕获我们需要的核心内容——SRR开头，加上\\d{8}表示精准匹配8位数字
• _stats\\.txt：匹配文件名的固定后缀部分
• \\1：引用第一个捕获组的内容，也就是我们捕获到的SRRxxxxxxx

方法2：使用stringr包的str_extract（更直观）

如果安装了stringr包，直接提取符合模式的子串会更简单：

library(stringr)
# 直接提取所有符合SRR+8位数字的子串
rownames(cov_stats) <- str_extract(cov_stats[["FileName"]], "SRR\\d{8}")

这个方法不需要匹配整个字符串，str_extract会自动找到第一个符合SRR后跟8位数字的子串，完美满足你的需求。

验证效果 #

用你给出的FileName示例：

[1] "./stats/SRR18826803_stats.txt" "./stats/SRR18826804_stats.txt"
[3] "./stats/SRR18826805_stats.txt" "./stats/SRR18826806_stats.txt"
[5] "./stats/SRR18826807_stats.txt" "./stats/SRR18826808_stats.txt"

两种方法都会得到你期望的结果：

[1] "SRR18826803" "SRR18826804"
[3] "SRR18826805" "SRR18826806"
[5] "SRR18826807" "SRR18826808"

内容的提问来源于stack exchange，提问作者Anon