在R语言中剥离字符串首尾内容，提取中间六位数字

针对你提供的precinct_no列格式（四位数字-六位数字-城镇名称），这里提供几种高效处理3000行数据的方法：

方法1：Base R 原生函数（无需额外包） #

利用strsplit按分隔符-拆分字符串，直接提取拆分后的第二个元素：

# 构造示例数据框
df <- data.frame(
  precinct_no = c(
    "0001-100000-SAN PASQUAL",
    "0002-100090-SAN PASQUAL",
    "0003-100120-SAN PASQUAL",
    "0004-100150-SAN PASQUAL",
    "0005-105000-RANCHO BERNARDO",
    "0006-105040-RANCHO BERNARDO"
  ),
  newsom_count = c(5, 567, 0, 0, 572, 609),
  dahle_count = c(18, 622, 0, 0, 538, 582),
  difference = c(-13, -55, 0, 0, 34, 27)
)

# 提取中间六位数字
df$middle_6digits <- sapply(strsplit(df$precinct_no, "-"), function(x) x[2])

方法2：Base R 正则表达式替换（精准匹配格式） #

用sub函数通过正则表达式精准匹配并保留目标内容，适合格式严格统一的场景：

df$middle_6digits <- sub("^\\d{4}-(\\d{6})-.+$", "\\1", df$precinct_no)

正则说明：

• ^\\d{4}-：匹配开头的四位数字加横杠
• (\\d{6})：捕获中间的六位数字（括号为捕获组）
• -.+$：匹配横杠及后面的所有内容
• \\1：替换为第一个捕获组的内容（即中间六位数字）

方法3：stringr 包简洁实现 #

如果习惯使用tidyverse生态，stringr的函数可以快速提取匹配内容：

library(stringr)
# 直接提取字符串中的六位数字（适合无其他六位数字干扰的场景）
df$middle_6digits <- str_extract(df$precinct_no, "\\d{6}")
# 精准匹配分隔符之间的六位数字（更严谨）
df$middle_6digits <- str_match(df$precinct_no, "-(\\d{6})-")[,2]

以上三种方法都能高效处理3000行数据，可根据你的代码习惯选择。

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