如何修改R正则表达式仅提取关键词后的最多三个单词

原正则会将关键词本身包含在匹配结果中，要实现仅提取关键词之后的最多3个单词（不含关键词），可以通过正向肯定后发断言定位关键词后的位置，再匹配后续内容，具体修改方案如下：

修改后的正则与代码示例 #

sentences <- "the sun is beautiful"
keywords <- "sun"

# 构造修改后的正则表达式
regex <- paste0("(?i)(?<=\\b", keywords, "\\b\\s+)\\b(?:\\w+\\s+){0,2}\\w+")

# 使用stringr包提取结果（也可使用base R的regmatches）
library(stringr)
result <- str_extract(sentences, regex)
print(result)
# 输出：[1] "is beautiful"

正则逻辑说明 #

• (?<=\\b", keywords, "\\b\\s+)：正向肯定后发断言，定位到完整关键词（\\b确保是独立单词）之后、空格之后的位置，该断言不会被包含在最终匹配结果里，从而排除关键词本身。
• (?i)：保留原正则的忽略大小写特性，确保关键词匹配不区分大小写。
• (?:\\w+\\s+){0,2}\\w+：精准匹配最多3个单词：
  • (?:\\w+\\s+){0,2}：非捕获组，匹配0到2个“单词+空格”的组合
  • 末尾的\\w+：匹配最后一个单词
    两者结合，既能覆盖关键词后1-3个单词的场景，也不会匹配多余内容。

多单词场景测试 #

若句子为"the sun is very beautiful today"，提取结果会是"is very beautiful"，符合最多提取3个单词的要求。

内容的提问来源于stack exchange，提问作者Shahin