R语言正则表达式：提取四位数字+QUARTER左侧子串方案

明确需求：从目标字符串中提取四位数字紧跟大写QUARTER左侧的内容，同时排除如"10RUNS FAST"或"QUICKER 1"这类不符合结构的字符串。

正则方案实现 #

方案1：用stringr包直接提取目标内容 #

library(stringr)

text <- "ARC GUNNA SPARKYA  2011QUARTER HORSE."
# 正向预查匹配目标结构左侧内容，非贪婪模式避免过度匹配
result <- str_extract(text, "^.*?(?=\\s+\\d{4}QUARTER)")
# 清理末尾多余空格
result <- str_trim(result)
print(result)
# 输出：[1] "ARC GUNNA SPARKYA"

解释：

• ^.*?(?=\\s+\\d{4}QUARTER)：从字符串开头开始，匹配到一个或多个空格+四位数字+QUARTER之前的所有内容，.*?确保只匹配到目标结构的前边界，不会多取。
• str_trim用于去除提取结果末尾残留的空格。

方案2：用基础R的gsub替换冗余部分 #

text <- "ARC GUNNA SPARKYA  2011QUARTER HORSE."
# 替换掉从目标结构到字符串结尾的所有内容
result <- gsub("\\s+\\d{4}QUARTER.*$", "", text)
# 清理首尾空格
result <- trimws(result)
print(result)
# 输出：[1] "ARC GUNNA SPARKYA"

解释：

• \\s+\\d{4}QUARTER.*$精准匹配"空格+四位数字+QUARTER"及之后的全部内容，替换为空后留下需要的左侧字符串。
• trimws是基础R自带的空格清理函数。

验证非匹配场景 #

对于不符合四位数字+QUARTER结构的字符串，正则不会触发修改，保留原内容：

test1 <- "10RUNS FAST"
test2 <- "QUICKER 1"

gsub("\\s+\\d{4}QUARTER.*$", "", test1) # 输出：[1] "10RUNS FAST"
gsub("\\s+\\d{4}QUARTER.*$", "", test2) # 输出：[1] "QUICKER 1"

内容的提问来源于stack exchange，提问作者Abe