如何在R语言中提取字符串开头的完整姓名（含带点缩写）

针对你的需求，有几种简单高效的方法可以提取完整姓名：

方法1：使用sub函数（推荐，适合格式固定的场景） #

利用文件名中固定存在CELF-4这一特征，直接移除该字符串及之后的所有内容，保留前面的姓名部分：

df <- c("Alilis CELF-4_CF_Data_Entry.xlsx" , "Ana T. CELF-4_CF_Data_Entry.xlsx" , "Ana V. CELF-4_CF_Data_Entry.xlsx","Anita CELF-4_CF_Data_Entry.xlsx")

# 提取姓名并去重
full_names <- sub(" CELF-4.*", "", df)
unique(full_names)

运行结果：

[1] "Alilis"  "Ana T."  "Ana V."  "Anita"

原理：正则表达式" CELF-4.*"匹配以空格开头的CELF-4及其后的所有字符，sub函数将匹配到的内容替换为空字符串，从而得到完整姓名。

方法2：使用stringr包的str_extract函数 #

如果需要更灵活的正则匹配，可以用str_extract提取开头到CELF-4之前的内容：

library(stringr)

full_names <- str_extract(df, "^.*?(?= CELF-4)")
unique(full_names)

运行结果和方法1一致。

原理：正则表达式^.*?(?= CELF-4)是正向预查，^匹配字符串开头，.*?以非贪婪模式匹配任意字符，直到遇到 CELF-4（不包含该部分），精准提取姓名区域。

内容的提问来源于stack exchange，提问作者amisos55