R语言中提取特定长度分隔/非分隔字符串的正则优化

合并后的正则表达式 #

根据你的规则，我们可以把两种匹配逻辑整合到一个正则表达式中，确保严格匹配整个字符串：

^([A-Za-z0-9]{6}(\\.[A-Za-z0-9]{1}|\\.[A-Za-z0-9]{2}|\\.[A-Za-z0-9]{3}|\\.[A-Za-z0-9]{6})+)$|^([A-Za-z0-9]{6}|[A-Za-z0-9]{17}|[A-Za-z0-9]{19}|[A-Za-z0-9]{20})$

如果后续段的长度允许更宽泛的1-6位范围（而非仅限例子中的1、2、3、6），可以简化为：

^([A-Za-z0-9]{6}(\\.[A-Za-z0-9]{1,6})+)$|^([A-Za-z0-9]{6}|[A-Za-z0-9]{17}|[A-Za-z0-9]{19}|[A-Za-z0-9]{20})$

R代码实现 #

使用stringr包的str_subset函数直接从向量中筛选符合规则的字符串，替代冗余的多段str_extract：

library(stringr)

# 定义正则表达式（以严格匹配指定后续段长度为例）
pattern <- "^([A-Za-z0-9]{6}(\\.[A-Za-z0-9]{1}|\\.[A-Za-z0-9]{2}|\\.[A-Za-z0-9]{3}|\\.[A-Za-z0-9]{6})+)$|^([A-Za-z0-9]{6}|[A-Za-z0-9]{17}|[A-Za-z0-9]{19}|[A-Za-z0-9]{20})$"

# 从向量ph中提取有效字符串
valid_strings <- str_subset(ph, pattern)

正则匹配说明 #

• 分隔型匹配逻辑：
  • ^[A-Za-z0-9]{6}：锁定开头必须是6位字母数字字符
  • (\\.[A-Za-z0-9]{1}|\\.[A-Za-z0-9]{2}|\\.[A-Za-z0-9]{3}|\\.[A-Za-z0-9]{6})+：匹配1个及以上的.X片段，其中X是长度为1、2、3或6的字母数字字符
  • $：确保匹配覆盖整个字符串，避免部分匹配的无效结果
• 非分隔型匹配逻辑：
  • 通过|连接四种长度的纯字母数字匹配规则，分别对应要求的6、17、19、20位长度，同样用^和$确保完全匹配

内容的提问来源于stack exchange，提问作者AOE_player