如何在数据框中精准匹配嵌入长字符串的特定字符序列？

问题根源 #

1. 正则特殊字符未转义：原代码里的[和]是正则的特殊语法（用于定义字符类），直接写入会导致错误匹配，无法精准定位目标子串。
2. 大小写不匹配：目标子串是S[Phospho(STY)]Q（首字母大写），原正则用了小写phospho，会漏掉符合条件的条目。
3. 单词边界\b无效：\b仅对字母、数字、下划线这类单词字符生效，[属于非单词字符，无法触发边界判定，所以添加后无匹配结果。

方法一：字面匹配（推荐） #

用fixed=TRUE关闭正则解析，直接按原始字符串匹配，无需处理转义，再额外排除子串在开头或结尾的情况：

library(dplyr)
library(stringr)

col <- c("QGS[Phospho(STY)]QAG",
         "GS[Phospho(STY)]QP",
         "SSQGS[Phospho(STY)]DDEQ",
         "SSQGS[Phospho(STY)]DDEQI",
         "S[Phospho(STY)]TSSQPE")

dat <- data.frame(col)

STQ_dat <- dat %>%  
  filter(str_detect(col, fixed("S[Phospho(STY)]Q"))) %>%
  filter(!str_starts(col, fixed("S[Phospho(STY)]Q")),
         !str_ends(col, fixed("S[Phospho(STY)]Q")))

STQ_dat

方法二：转义正则匹配 #

如果必须使用正则，需要转义[、]、(、)这些特殊字符，同时用.+确保子串前后至少有一个字符：

STQ_dat <- dat %>%  
  filter(str_detect(col, ".+S\\[Phospho\\(STY\\)\\]Q.+"))

• .+：匹配至少一个任意字符，保证目标子串不在开头或结尾
• \\[、\\]、\\(、\\)：对正则特殊字符转义，确保按字面匹配

最终结果 #

两种方法都会返回你需要的两行数据：

col
1 QGS[Phospho(STY)]QAG
2  GS[Phospho(STY)]QP

内容的提问来源于stack exchange，提问作者Shannon Silva