如何调整grepl，使其仅匹配纯..x格式的列名并返回TRUE？

要精准匹配完全由两个点加数字组成的列名（比如..1、..2这类Excel自动生成的重复列名），同时排除像q3..1这种包含其他字符的列名，需要调整正则表达式的匹配规则：

• 正确的正则表达式：^\\.\\.\\d+$
  • ^ 锚定字符串开头，确保匹配从列名最开始位置开始
  • \\.\\. 匹配连续两个点（点在正则中是特殊字符，必须用反斜杠转义）
  • \\d+ 匹配一个或多个数字
  • $ 锚定字符串结尾，确保匹配到列名的最后位置

代码示例 #

# 构造测试列名
col_names <- c("q1", "q2", "...1", "..2", "q3..1", "..1")

# 执行匹配
grepl("^\\.\\.\\d+$", col_names)

运行后输出结果：

[FALSE FALSE TRUE TRUE FALSE TRUE]

为什么原正则不行？ #

原正则grepl("\\.+", names(dat))的逻辑是只要列名中包含一个或多个点就返回TRUE，所以会误匹配q3..1这类包含额外字符的列名。而调整后的正则通过^和$限定了匹配范围，确保只有完全符合..数字格式的列名才会被选中。

内容的提问来源于stack exchange，提问作者Tom