如何在R语言中使用stringr提取唯一的字符串匹配模式？

针对你遇到的提取后保留唯一匹配项的需求，有两种高效的实现方式：

方法1：先提取所有匹配，再去重 #

先用str_extract_all提取全部匹配结果，再通过unique()过滤重复值。设置simplify = TRUE可将结果转为矩阵，转成向量后去重更便捷：

library(stringr)

# 第一个示例输入
examples <- c("G06F", "G06F", "H04L", "H04L", "H04L", "H04L", "H04L")
# 提取前3个字符（可根据你的匹配规则调整正则表达式）
extracted <- str_extract_all(examples, "^.{3}", simplify = TRUE) %>% as.vector()
# 去重得到唯一值
unique(extracted)
# 输出: [1] "G06" "H04"

# 第二个示例输入
input2 <- c("B01J", "B01J", "B22F", "B22F", "B22F", "G01N")
extracted2 <- str_extract_all(input2, "^.{3}", simplify = TRUE) %>% as.vector()
unique(extracted2)
# 输出: [1] "B01" "B22" "G01"

若未设置simplify = TRUE，结果会是列表格式，需先用unlist()展开再去重：

extracted_list <- str_extract_all(examples, "^.{3}")
unique(unlist(extracted_list))

方法2：先对原向量去重，再提取（更高效） #

如果原向量存在大量重复元素，先通过unique()去重原数据，再用str_extract提取，能减少不必要的计算，提升处理速度：

# 第一个示例
examples_unique <- unique(examples)
str_extract(examples_unique, "^.{3}")
# 输出: [1] "G06" "H04"

# 第二个示例
input2_unique <- unique(input2)
str_extract(input2_unique, "^.{3}")
# 输出: [1] "B01" "B22" "G01"

处理单字符串多匹配的场景 #

如果单个字符串中包含多个目标匹配项，需先提取所有匹配结果，再统一去重：

input3 <- c("G06F H04L", "G06F", "H04L B01J")
# 提取所有符合格式的3位代码（正则匹配大写字母+数字组合）
all_matches <- unlist(str_extract_all(input3, "\\b[A-Z0-9]{3}\\b"))
# 去重
unique(all_matches)
# 输出: [1] "G06" "H04" "B01"

内容的提问来源于stack exchange，提问作者AltairB