在R语言中用正则表达式提取首个点号前的字符串

原正则的问题 #

• 贪婪匹配导致过度捕获：^[a-zA-Z].+中的.+是贪婪模式，会尽可能匹配更多字符，包括点号本身。后面的[\.\b]?是可选匹配，正则引擎会优先让.+匹配到字符串末尾，所以捕获的内容包含了点号及之后的所有字符。
• 字符类中\b的误解：在方括号[]内，\b表示的是退格符（ASCII \x08），而非单词边界。你想表达的“单词边界或点号”逻辑完全不成立，这部分规则没有起到任何作用。

正确的正则实现 #

要实现“提取首个点号前的内容，无点号则保留整串”，核心是匹配除点号外的所有字符直到第一个点号（或字符串结尾），可以用以下正则：

str_match(test, "^([^.]+)")[,2]

运行结果：

[1] "This_This-This" "This_This-This" "This_This-This" "this"           "this"          

完全符合你的期望输出。

正则解释 #

• ^：锚定字符串开头，确保从最开始匹配
• ([^.]+)：捕获组，[^.]表示匹配除点号外的任意单个字符，+表示匹配一个或多个这样的字符，自然会停在第一个点号的位置；如果字符串中没有点号，就会匹配到字符串结尾。

如果要更严谨地匹配以大小写字母开头的字符串（符合你的测试数据特征），可以调整为：

str_match(test, "^([a-zA-Z][^.]*)")[,2]

这里[^.]*表示匹配0个或多个非点号字符，和+的区别是允许单字符的情况（比如测试数据中的"this"），不过[^.]+也能覆盖该场景。

内容的提问来源于stack exchange，提问作者R_Student