R语言中用str_extract解决后向断言重复次数及姓名提取问题

给定向量：

a = c('nameJack\n', 'name Lucy\n', 'name  Rose\n', 'name   Biden\n', 'name    Peter\n')

需要提取无空格的真实姓名，以下是几种可行方案：

方案1：分步移除无关字符 #

先去掉开头的name及后续所有空格，再移除末尾的换行符：

library(stringr)
# 移除前缀name及后面的所有空格，再移除末尾换行
result <- str_remove(a, "^name\\s*") %>% str_remove("\\n$")
result

输出结果：

[1] "Jack"  "Lucy"  "Rose"  "Biden" "Peter"

方案2：正则捕获组直接提取 #

利用捕获组匹配name后零或多个空格后的字母序列，直接提取目标姓名：

# 使用str_match获取捕获组内容
matches <- str_match(a, "name\\s*(\\w+)")
result <- matches[, 2]
result

输出结果同上。

问题原因解释 #

你之前遇到的报错是因为ICU正则引擎（stringr依赖的引擎）要求后向断言的匹配长度必须是有限的，(?<=name\\s*)里的\\s*是无限重复，违反了这个限制，所以报错。而用(?<=name\\s{0,6})虽然合法，但匹配结果会包含name后面的空格，导致提取的姓名带前置空格。

以上两种方案都避开了后向断言的长度限制问题，同时精准提取了无空格的姓名。

内容的提问来源于stack exchange，提问作者zhiwei li