如何用R的gsub正则匹配REVESTI后AMIDO/TALCO并批量替换

原代码的问题在于只匹配了REVEST开头单词后的第一个AMIDO/TALCO，既没有处理后续出现的目标词，也未清除掉目标词之外的无关内容，导致输出不符合预期。

方法一：分步骤处理（清晰直观） #

通过提取目标内容、筛选关键词、格式化替换的方式实现需求：

st1 <- "LUVA TALCO AMIDO"
st2 <- "LUVA REVESTIDAS AMIDO TALCO LUBRIFIC"
st3 <- "LUVA REVESTIMENTO COM TALCO AMIDO "
list_strings <- list(st1, st2, st3)

lapply(list_strings, function(x) {
  if (grepl("REVEST\\w+", x)) {
    # 提取REVEST开头单词之后的所有内容
    post_revest <- sub(".*REVEST\\w+\\s*", "", x)
    # 提取所有AMIDO/TALCO关键词
    targets <- regmatches(post_revest, gregexpr("AMIDO|TALCO", post_revest))[[1]]
    # 拼接成要求的格式
    new_suffix <- paste0("rev ", targets, ";", collapse = " ")
    # 替换原字符串中REVEST部分及后续内容
    sub("REVEST\\w+.*", new_suffix, x)
  } else {
    x
  }
})

输出结果 #

[[1]]
[1] "LUVA TALCO AMIDO"

[[2]]
[1] "LUVA rev AMIDO; rev TALCO;"

[[3]]
[1] "LUVA rev TALCO; rev AMIDO;"

方法二：纯正则替换（单次逻辑遍历） #

借助Perl正则的正向预查和全局替换，先清除无关内容再格式化目标词：

lapply(list_strings, function(x) {
  if (grepl("REVEST\\w+", x)) {
    # 移除REVEST开头单词和所有非目标关键词的内容
    cleaned <- gsub("(REVEST\\w+)|\\b(?!AMIDO|TALCO)\\w+\\s*", "", x, perl = TRUE)
    # 将每个目标关键词替换为指定格式
    gsub("\\b(AMIDO|TALCO)\\b", "rev \\1;", cleaned, perl = TRUE)
  } else {
    x
  }
})

该方法同样能输出符合预期的结果。

内容的提问来源于stack exchange，提问作者Fabio Correa