如何用更简洁的正则表达式提取文本中的特定关键词串？

需求回顾 #

从文本中提取以Key word(s):开头，后续由空格或/分隔、包含字母/数字组合的目标内容，示例涵盖多元素组合、数字与文本混合等场景。

原正则的问题 #

你编写的正则存在重复冗余（多次重复前缀匹配）、匹配范围有限（仅覆盖少量元素组合）的问题，无法完整覆盖所有目标场景。

优化方案 #

方案1：精准匹配到换行边界（推荐）

利用正向预查限定提取范围，同时兼容前缀后的空白，正则简洁且覆盖所有场景：

library(stringr)

# 定义优化后的正则模式
pattern <- "Key word\\(s\\):\\s*(.*?)(?=\\n{2}|$)"

# 提取目标内容
extracted <- str_extract(data_example, pattern)

方案2：严格匹配允许的字符（字母/数字/空格//）

如果需要严格限定目标内容仅包含指定字符，可调整正则为：

pattern <- "Key word\\(s\\):\\s*([A-Za-z0-9\\s/]+)(?=\\n{2}|$)"

正则解释 #

• Key word\\(s\\):：精准匹配前缀，括号用\\转义（正则中括号为特殊字符）
• \\s*：匹配前缀后任意数量的空白（兼容多空格或制表符）
• (.*?) / ([A-Za-z0-9\\s/]+)：非贪婪匹配目标内容（前者匹配任意字符，后者严格限定允许的字符集）
• (?=\\n{2}|$)：正向预查，匹配到连续两个换行符或字符串结尾，确保只提取Key word(s):后到下一段之前的内容

测试结果 #

运行上述代码后，对data_example的提取结果为：

[1] "Key word(s): Forecast/Development of Sales"
[2] "Key word(s): 9 Month figures"              
[3] "Key word(s): Capital Increase"             
[4] "Key word(s): Contract/Incoming Orders"     

如果只需提取冒号后的内容（不含前缀），可使用正向后顾调整正则：

pattern <- "(?<=Key word\\(s\\):\\s*).*?(?=\\n{2}|$)"

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