如何扩展REGEX代码提取符合正则条件的整行/列内容？

我们的目标是找到每行中包含([A-Z] ?[0-9]){3}模式的单元格，并提取该单元格的完整内容，具体实现如下：

步骤1：定义匹配规则与提取函数 #

先编写辅助函数，用于识别包含目标正则模式的单元格并提取完整内容：

# 定义目标正则模式：匹配三组"字母+可选空格+数字"的组合
pattern <- "([A-Z] ?[0-9]){3}"

# 处理单行数据的函数
extract_full_matching_cell <- function(row_data) {
  # 过滤掉字符型的"NA"值
  valid_cells <- row_data[row_data != "NA"]
  # 筛选出包含目标模式的单元格
  matched_cells <- valid_cells[grepl(pattern, valid_cells)]
  # 有匹配则返回内容，无匹配返回空字符串
  if (length(matched_cells) > 0) matched_cells else ""
}

步骤2：逐行处理数据框 #

使用apply函数将上述逻辑应用到数据框的每一行：

# 执行提取操作
final_result <- apply(my_data, 1, extract_full_matching_cell)

# 查看输出结果
final_result

执行后得到预期输出：

[1] "river B8C 9L4"        "Field U9H 5E2 PP"     "forest K0Y 1U9 hu2"   "ocean A1B 5H1 dd"     ""

代码说明 #

• grepl(pattern, valid_cells)：检查每个非NA单元格是否包含目标正则模式，返回逻辑筛选向量
• 通过逻辑向量直接提取完整单元格内容，替代原代码仅截取正则匹配片段的逻辑
• 兼容无匹配的行（如第5行），返回空字符串保证结果长度一致

内容的提问来源于stack exchange，提问作者stats_noob