在R语言中从带路径的文件名提取指定子串的问题求助

问题分析 #

你需要从Windows文件路径中提取特定子串，核心是匹配以字母开头、以_1_DN结尾的目标片段，同时适配不同格式的文件名（如包含航次号、站位号等前缀）。

解决方案 #

我们可以分两步处理：先剥离文件路径和扩展名，再用精准正则匹配目标子串：

files = c("G:\\Conservation\\Monitoring\\Conditions physico-chimiques\\CTD\\CODES_R\\Data\\CTD_parc_marin\\2009\\odf\\CTD_2009099_BSM2AMONT_1_DN.ODF",
          "G:\\Conservation\\Monitoring\\Conditions physico-chimiques\\CTD\\CODES_R\\Data\\CTD_parc_marin\\2011\\odf\\CTD_2011PSSL_42_1_DN.ODF",
          "G:\\Conservation\\Monitoring\\Conditions physico-chimiques\\CTD\\CODES_R\\Data\\CTD_parc_marin\\2011\\odf\\CTD_2011PSSL_10_1_DN.ODF",
          "G:\\Conservation\\Monitoring\\Conditions physico-chimiques\\CTD\\CODES_R\\Data\\CTD_parc_marin\\2022\\odf\\CTD_2022PSSL_202201017ESTMARAVAL_1_DN.odf")

# 1. 剥离路径和扩展名，获取纯文件名
library(tools)
file_stems <- file_path_sans_ext(basename(files))

# 2. 用正则提取目标子串：匹配以字母开头、以_1_DN结尾的片段
pattern <- sub(".*([A-Z][A-Z0-9]*(_\\d+)?_1_DN)$", "\\1", file_stems)

print(pattern)

输出结果 #

[1] "BSM2AMONT_1_DN"   "PSSL_42_1_DN"     "PSSL_10_1_DN"     "ESTMARAVAL_1_DN"

正则说明 #

• .*: 贪婪匹配文件名中目标片段之前的所有内容
• ([A-Z][A-Z0-9]*(_\\d+)?_1_DN): 捕获目标片段：
  • [A-Z][A-Z0-9]*: 匹配以字母开头的站位代码（允许包含数字）
  • (_\\d+)?: 可选的站位序号（如_42、_10）
  • _1_DN: 固定后缀
• $: 确保匹配到字符串末尾，保证捕获的是最后一个符合规则的片段（适配第四个文件的特殊格式）

内容的提问来源于stack exchange，提问作者Pierre-Alexandre Dumas