R语言如何用正则匹配含连续重复元素的数据行？

你的正则表达式逻辑错了——TCG{5, }的意思是匹配TC后面跟至少5个G，不是TCG整个序列重复5次，这就是为啥所有带TCG的行都被命中了（只要有TC加1个G就符合条件）。

要匹配TCG连续重复至少5次，得把TCG用括号包成一个整体，再给这个整体加重复量词：

which(grepl(x = df$Sequence, pattern = "(TCG){5,}"))

这里的(TCG)把三个字符定义成一个分组，{5,}表示这个分组要连续出现至少5次，刚好对应你要找的第4行的TCGTCGTCGTCGTCG。

额外提个小细节：{5,}后面别加空格，你原来写的{5, }里的空格会被当成要匹配的字符，反而会匹配不到目标序列。

如果不想保存分组内容（只是用来重复），可以用非捕获分组(?:TCG){5,}，效果一样，效率略高一点：

which(grepl(x = df$Sequence, pattern = "(?:TCG){5,}"))

内容的提问来源于stack exchange，提问作者ginn