R语言中使用正则表达式提取文件名信息失败的求助

我来帮你一步步排查问题哈，咱们从你的正则表达式和函数用法逐个分析：

1. 先看gsub()的潜在问题 #

你的gsub正则.*-ASG_\\d{2}_本身逻辑是对的——它会匹配从文件名开头到-ASG_两位数字_的整个前缀，替换为空后应该得到00020。如果没得到预期结果，大概率是变量赋值的小问题：比如有没有确保fext确实是去掉.tab后缀的字符串？可以先打印fext确认下：

print(fext)
# 应该输出："TC2L6C_2020-08-14_1516_6C-ASG_29_00020"

如果变量没问题，重新运行gsub就能得到正确结果。

2. str_extract()提取失败的核心原因 #

你写的正则(?<=-ASG_\\d+)([^_])*(?=\\.tab)有两个关键bug：

• 正向零宽断言(?<=-ASG_\\d+)匹配的是-ASG_29之后的位置，但这个位置紧接着是下划线_，而你用[^_]*是匹配「非下划线的字符」，第一个字符就不匹配，自然提取不到内容。
• 括号([^_])*是多余的，不需要给单个字符分组，写成[^_]*就够了。

修正后的str_extract()写法 #

根据你的需求（提取-ASG_数字_后面到.tab前面的内容），可以用这两种更精准的正则：

# 方法1：匹配-ASG_数字_之后到.tab之前的所有字符
P_num <- stringr::str_extract(fname, "(?<=-ASG_\\d+_)[^\\.]+")

# 方法2：明确匹配数字串（如果目标内容固定是数字）
P_num <- stringr::str_extract(fname, "(?<=-ASG_\\d+_)\\d+(?=\\.tab)")

运行任意一种都会得到00020，完全符合预期。

3. 为什么str_view()能匹配，但提取不行？ #

你用stringr::str_view(fext, ".*-ASG_\\d+_", match = TRUE)能看到高亮匹配，是因为这个正则匹配的是前缀部分，而str_view只是帮你确认前缀的匹配范围，但这不代表提取逻辑是对的——提取需要精准定位你要的目标内容，而不是匹配它的前缀。

额外的稳健方案（不用正则） #

如果你的文件名格式是固定的（用下划线分隔各个字段），其实可以不用正则，直接拆分字符串，更直观也不容易出错：

# 拆分去掉后缀的文件名，按下划线分割成列表
parts <- stringr::str_split(fext, "_")[[1]]
# 取最后一个元素就是目标内容
P_num <- parts[length(parts)]

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