我来帮你搞定这两个边缘场景的适配问题！你的原代码在处理变量位于字符串开头、或者变量值包含分号的情况时会失效，核心原因是正则依赖固定的前置分隔符，且用[^;]+会在值内的分号处提前终止匹配。下面是针对性的解决方案：

优化后的正则思路 #

我们需要构建一个能：

1. 匹配变量在字符串开头或分号+空格之后的两种位置
2. 精准捕获引号内的所有内容（包括其中的分号），直到闭合引号为止
3. 确保匹配到变量值的正确结束位置（分号或字符串末尾）

对应的正则模式可以这样写：

pattern <- paste0('(?:^|"; )', var, ' "([^"]+)"(?:;|$)')

正则各部分解释 #

• (?:^|"; )：非捕获组，匹配字符串起始位置，或者变量前的"; "分隔符，覆盖变量在开头的场景
• var：你要提取的目标变量名（比如"partial"）
• "：匹配变量名后的空格和左引号
• ([^"]+)：捕获组，匹配除右引号外的所有字符，这样就能完整保留值内的分号，直到遇到闭合的右引号
• (?:;|$)：非捕获组，匹配变量值后的分号，或者字符串结束位置，确保匹配不会超出当前变量的范围

完整代码实现 #

用stri_extract_first_regex直接提取捕获组的内容，比多次gsub更简洁高效：

library(stringi)

# 定义要提取的变量
var <- "partial"

# 测试场景1：变量在开头
tstr2 <- 'partial "true"; gene_id "APE_RS08740"; transcript_id "unassigned_transcript_1756"; gbkey "CDS"; infernce "COORDINATES: protein motif:HMM:NF014037.1"; locus_tag "APE_RS08740"; note "incomplete; partial in the middle of a contig; missing N-terminus"; product "DUF5615 family PIN-like protein"; pseudo "true"; transl_table "11"; exon_number "1"'
stri_extract_first_regex(tstr2, pattern = paste0('(?:^|"; )', var, ' "([^"]+)"(?:;|$)'), group = 1)
# 输出："true"

# 测试场景2：变量值包含分号
tstr3 <- 'partial "true; foo"; gene_id "APE_RS08740"; transcript_id "unassigned_transcript_1756"; gbkey "CDS"; infernce "COORDINATES: protein motif:HMM:NF014037.1"; locus_tag "APE_RS08740"; note "incomplete; partial in the middle of a contig; missing N-terminus"; product "DUF5615 family PIN-like protein"; pseudo "true"; transl_table "11"; exon_number "1"'
stri_extract_first_regex(tstr3, pattern = paste0('(?:^|"; )', var, ' "([^"]+)"(?:;|$)'), group = 1)
# 输出："true; foo"

# 测试原场景：变量在中间
tstr1 <- 'gene_id "APE_RS08740"; transcript_id "unassigned_transcript_1756"; gbkey "CDS"; inference "COORDINATES: protein motif:HMM:NF014037.1"; locus_tag "APE_RS08740"; note "incomplete; partial in the middle of a contig; missing N-terminus"; partial "true"; pseudo "true"; transl_table "11"; exon_number "1"'
stri_extract_first_regex(tstr1, pattern = paste0('(?:^|"; )', var, ' "([^"]+)"(?:;|$)'), group = 1)
# 输出："true"

这个方案完美覆盖了你提到的所有场景，而且逻辑更清晰，不需要多次替换操作。

内容的提问来源于stack exchange，提问作者acvill