如何在R语言中提取符号间字符串并存储为向量

现有如下R代码定义的字符串：

mystring <- "

-Acanthosis nigricans
-Hyperpigmentation
-Hyperkeratosis
-Skin fold regions
-Neck
-Groin
-Axillae
-Obesity 
-Drug-induced AN
-Malignant AN"

目标是提取位于\n-和\n之间的术语，最终得到如下向量：

> mystring_extracted
 [1] "Acanthosis nigricans" "Hyperpigmentation"    "Hyperkeratosis"       "Skin fold regions"   
 [5] "Neck"                 "Groin"                "Axillae"              "Obesity"             
 [9] "Drug-induced AN"      "Malignant AN"

之前用gsub("\n-", "", mystring)仅替换了分隔符，导致所有术语连在一起，无法得到独立元素。以下是几种可行的解决方法：

方法一：基础R的strsplit #

先清理字符串首尾空白（包括开头空行），再按\n-分割，最后处理每个术语的多余空格：

# 去除首尾空白字符
clean_string <- trimws(mystring)
# 按\n-分割字符串，取结果列表的第一个元素
mystring_extracted <- strsplit(clean_string, "\n-")[[1]]
# 清理每个术语的首尾空格（比如Obesity后的空格）
mystring_extracted <- trimws(mystring_extracted)

方法二：使用stringr包的str_extract_all #

利用正则表达式的断言规则，直接匹配所有目标术语：

library(stringr)
# 匹配\n-之后、下一个\n或字符串结尾前的内容
mystring_extracted <- str_extract_all(mystring, "(?<=\n-).*?(?=\n|$)")[[1]]
# 清理空格
mystring_extracted <- trimws(mystring_extracted)

方法三：基础R的gregexpr+regmatches #

通过正则定位匹配位置，再提取对应内容：

# 使用Perl风格正则匹配目标内容
match_positions <- gregexpr("(?<=\n-).*?(?=\n|$)", mystring, perl = TRUE)
# 根据位置提取内容
mystring_extracted <- regmatches(mystring, match_positions)[[1]]
# 清理空格
mystring_extracted <- trimws(mystring_extracted)

运行任意一种方法后，都能得到预期的向量结果。

内容的提问来源于stack exchange，提问作者Adrian