如何在R中用Regex提取小写单词与带大括号的单词？

问题背景 #

需要从数据框的word列中提取两类内容：纯小写单词（如sp）、带大括号的单词（如{PPC}），排除全大写单词、单个大写字母、带撇号的大写衍生词（如'EM）等。

示例数据 #

file   word
 1      sp
 2     WHAT
 3     ISN' 
 4     'EM
 5      O
 6     {PPC}

预期结果 #

"sp", "{PPC}"

现有代码及问题 #

原代码尝试通过反向匹配排除大写和数字，但逻辑存在漏洞：

unique(full_dat$word[!grepl("^[A-Z].*[A-Z]|\\d", full_dat$word) & !grepl(" [[:punct:]] ", full_dat$word)])

运行后结果仍包含单个大写字母（如O、I）、带撇号的大写衍生词（如'EM）等不符合要求的内容。

解决方案 #

直接正向匹配符合要求的两类内容，避免反向匹配的漏洞：

修改后代码 #

# 提取符合要求的单词并去重，同时排除NA
unique(full_dat$word[!is.na(full_dat$word) & grepl("^[a-z']+$|^\\{.*\\}$", full_dat$word, perl = TRUE)])

正则逻辑解释 #

正则表达式^[a-z']+$|^\\{.*\\}$分为两部分，用|（或）连接：

• ^[a-z']+$：匹配纯小写字母+撇号组成的单词（比如sp、don't），^和$确保匹配整个单词，避免部分匹配
• ^\\{.*\\}$：匹配以{开头、以}结尾的单词（比如{PPC}、{GAP_ANONYMIZATION_NAME}），\\是转义符，因为{}在正则里是特殊字符

效果验证 #

用示例数据测试，会得到预期的"sp", "{PPC}"，同时过滤掉所有不符合要求的内容。

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