如何用Base R正则匹配字母/数字后的最后三个下划线并拆分字符串

方法1：使用strsplit结合正向断言 #

直接利用Perl风格正则的正向否定先行断言定位最后一组三个下划线，拆分后直接得到目标两部分：

x <- c("three___thenfour____1", 
       "only_three___k")

# 拆分字符串
result <- strsplit(x, "(?<=.)___(?!.*___)", perl = TRUE)
result
# [[1]]
# [1] "three___thenfour" "_1"              
# [[2]]
# [1] "only_three" "k"

正则解释：

• (?<=.)：正向后顾断言，确保三个下划线前至少有一个字符（避免匹配字符串开头的无效情况）
• ___：匹配目标三个下划线
• (?!.*___)：正向否定先行断言，确保这三个下划线之后的内容中不再出现三个下划线，从而精准定位最后一组三个下划线

如果需要将结果整理成矩阵/数据框，可以用do.call(rbind, result)快速转换：

do.call(rbind, result)
#      [,1]               [,2]
# [1,] "three___thenfour" "_1"
# [2,] "only_three"       "k"

方法2：使用strcapture一次性提取前后内容 #

Base R的strcapture可以直接通过正则捕获组一次性提取前后两部分，返回结构化的数据框，效率更高：

pattern <- "^(.*?)___(?!.*___)(.*)$"
strcapture(pattern, x, data.frame(pre = character(), post = character()), perl = TRUE)
#                 pre post
# 1 three___thenfour  _1
# 2       only_three    k

正则解释：

• (.*?)：非贪婪匹配，捕获三个下划线之前的所有内容（直到遇到最后一组三个下划线）
• ___(?!.*___)：匹配最后一组三个下划线（逻辑同方法1）
• (.*)$：捕获三个下划线之后的所有内容直到字符串结尾

原代码问题分析 #

你之前的sub正则^(.+)___(?:.(?!___))+$中，(.+)是贪婪匹配，会尽可能多的捕获字符，导致第一个字符串中把____1里的前一个下划线也包含进了捕获组，最终得到three___thenfour_。改用非贪婪匹配或先行断言限制最后一组下划线的位置，就能解决这个问题。

内容的提问来源于stack exchange，提问作者Benjamin