R中存在多重复分隔符时，如何提取指定位置的子字符串？

此前已有提取分隔符间子串的相关问题，但未覆盖多重复分隔符下指定提取某一段的场景。现有如下向量：

vec <- c("Europe/Germany/Berlin/Mitte", 
         "Europe/Germany/Berlin/Charlottenburg", 
         "Europe/Croatia/Zagreb/Gornji Grad", 
         "Europe/Croatia/Zagreb/Donji Grad")

需要实现两个函数：

1. 第一个函数输出：c("Germany", "Germany", "Croatia", "Croatia")
2. 第二个函数输出：c("Berlin", "Berlin", "Zagreb", "Zagreb")

解决方案 #

函数1：提取第2段子串

推荐用stringr包的分割函数，按/分割后直接取第2列，简单直观：

library(stringr)

get_second_segment <- function(input_vec) {
  # 按/分割为最多4段，取第2列
  str_split_fixed(input_vec, "/", n = 4)[, 2]
}

# 调用验证
get_second_segment(vec)
# 输出结果：[1] "Germany" "Germany" "Croatia" "Croatia"

也可以用正则表达式匹配，精准定位第一个/后、第二个/前的内容：

get_second_segment_regex <- function(input_vec) {
  str_extract(input_vec, "(?<=/)[^/]+(?=/)")
}

函数2：提取第3段子串

同样用分割法，取分割后的第3列：

get_third_segment <- function(input_vec) {
  str_split_fixed(input_vec, "/", n = 4)[, 3]
}

# 调用验证
get_third_segment(vec)
# 输出结果：[1] "Berlin"  "Berlin"  "Zagreb"  "Zagreb"

正则方式则匹配第二个/后、第三个/前的内容：

get_third_segment_regex <- function(input_vec) {
  str_extract(input_vec, "(?<=/[^/]+/)[^/]+")
}

核心思路 #

当字符串存在重复分隔符时，两种常用方法：

• 分割索引法：将字符串按分隔符分割成矩阵，直接通过索引选取目标段，适合结构固定的字符串。
• 正则定位法：通过正向/反向断言，精准锁定目标段前后的分隔符位置，灵活度更高。

内容的提问来源于Stack Exchange，提问作者J. Doe