如何用stringr::str_extract提取WR/CM/SPIN后的关联数字？

需求背景 #

用户有一批推文数据，格式示例如下：

WR 198  CM 23  SPIN 34

WR:22 CM:7 SPIN:0

WR 96 CM 17 SPIN 8

WR:82 CM:9 SPIN:10

WR - 206💪
CM - 38💥
SPIN - 18💯

WR - 140
CM - 18
Spin - 12

WR 62  CM 11  SPIN  4

WR-
CM-
Spin_

WR - 67
CM - 18
Spin - 5

WR 38 CM 2 SPIN 0

这类推文的共同结构是：WR/CM/SPIN（大小写不限）后跟随空格或非字母数字字符，再关联一个数字。需要实现一个函数f，接收文本和目标标识（WR/CM/SPIN之一），返回对应的关联数字。

实现方案 #

完全可以用stringr::str_extract（或配合str_match）实现该需求，核心是构造适配所有格式的正则表达式。

正则表达式逻辑 #

正则需要覆盖以下场景：

1. 忽略大小写匹配目标标识（如Spin/spin都能匹配）
2. 匹配标识后的任意分隔符：空格、冒号、连字符、下划线等非字母数字字符（包括分隔符前后的空格）
3. 精准捕获后续的连续数字（无数字时返回NA）

对应的正则模板为：

paste0("(?i)", target, "\\W*?(\\d+)")

各部分解释：

• (?i)：开启不区分大小写匹配模式
• target：传入的目标标识（如WR/CM/SPIN）
• \\W*?：非贪婪匹配0个或多个非字母数字字符，避免过度匹配无关内容
• (\\d+)：捕获1个或多个连续数字，这就是最终要提取的目标内容

函数实现 #

方式一：用str_extract两次提取

library(stringr)

f <- function(text, target) {
  pattern <- paste0("(?i)", target, "\\W*?(\\d+)")
  # 先匹配完整符合规则的片段
  match_result <- str_extract(text, pattern)
  # 从片段中提取数字部分
  str_extract(match_result, "\\d+")
}

方式二：用str_match直接获取捕获组（更简洁）

library(stringr)

f <- function(text, target) {
  pattern <- paste0("(?i)", target, "\\W*?(\\d+)")
  # str_match返回矩阵，第二列是第一个捕获组的内容
  str_match(text, pattern)[, 2]
}

测试验证 #

# 示例1
f("WR 198  CM 23  SPIN 34", 'WR')
# 输出："198"

# 示例2
f("WR 198  CM 23  SPIN 34", 'CM')
# 输出："23"

# 示例3
f("SPIN - 18💯", 'SPIN')
# 输出："18"

# 示例4
f("WR:82 CM:9 SPIN:10", "WR")
# 输出："82"

# 无数字的情况
f("WR-", "WR")
# 输出：NA

上述函数可适配用户提供的所有推文格式，正确提取对应数字。

内容的提问来源于stack exchange，提问作者Demetri Pananos