如何使用gsub从含特殊字符的字符串中提取大写国家代码

需要从包含特殊字符的字符串里提取国家代码，示例字符串如下：

mystring
[1] "        data-country=\"GER\">"

尝试用以下代码提取，但未成功，反而拆分了目标内容GER：

gsub('(.+)[A-Z](.+)', '\\1', mystring)

解决方案 #

可以用更精准的正则表达式来匹配目标内容：

• 方法一：匹配data-country="之后、"之前的所有大写字母

gsub('.+data-country="([A-Z]+)".+', '\\1', mystring)

该正则会捕获括号内的大写字母序列，替换时仅保留捕获组的内容。

• 方法二：如果只需提取连续3个大写字母（符合常见国家代码格式），可使用：

regmatches(mystring, regexpr('[A-Z]{3}', mystring))

regexpr定位到第一个匹配的连续3个大写字母，regmatches提取出该匹配内容。

内容的提问来源于stack exchange，提问作者Joe