如何在R中用正则或字符串匹配为超长单词插入分隔符？

可以直接用正则表达式结合R的字符串替换函数实现，效率远高于for循环，代码简洁。

方法1：使用base R的gsub函数 #

my_string <- "abcd 123 jkl 123 asdcxz qwelkj abcdef230212 xyz123 rtf234512"
desired_string <- gsub("\\b(\\w+)(\\w{6})\\b", "\\1_\\2", my_string)

# 输出结果
desired_string
# [1] "abcd 123 jkl 123 asdcxz qwelkj abcdef_230212 xyz123 rtf_234512"

方法2：使用stringr包的str_replace_all函数 #

如果习惯用tidyverse风格的字符串操作，也可以用stringr包：

library(stringr)

my_string <- "abcd 123 jkl 123 asdcxz qwelkj abcdef230212 xyz123 rtf234512"
desired_string <- str_replace_all(my_string, "\\b(\\w+)(\\w{6})\\b", "\\1_\\2")

正则表达式逻辑说明 #

• \\b：匹配单词边界，确保只处理完整的独立单词，不会误匹配长单词的子串
• (\\w+)：捕获单词中除最后6个字符外的所有内容，由于后面必须跟着6个字符，这部分至少有1个字符，保证总单词长度超过6才会被匹配
• (\\w{6})：捕获单词的最后6个字符
• 替换时用\\1_\\2将两个捕获组用下划线连接，实现从末尾向前数6位插入分隔符的效果

这种方法是向量化操作，R会一次性处理字符串中所有符合条件的单词，无需手动遍历，效率和简洁性都远优于for循环实现。

内容的提问来源于stack exchange，提问作者adl