如何在R中使用str_extract从给定字符串提取目标子串？

完全可以用str_extract提取目标子串，以下是两种可行的实现方式：

• 方法1：利用前后固定字符串做边界匹配（精准匹配）
  目标子串位于pag-files-per-patient/之后、_KXgES5FtCpLhQce7mGkuMX之前，用正则的正向/反向预查锁定区间：

  library(stringr)
  
  string <- "P/project/dhi_intro_genomics/genomics/gene/pag-files-per-patient/000tg82e-99c4-4h20-9ude-d95e15005a 3c_KXgES5FtCpLhQce7mGkuMX/XML/JH_DN_S9_2000-12-27_MTW-29FEB1997UW"
  
  sub_string <- str_extract(string, "(?<=pag-files-per-patient/).*(?=_KXgES5FtCpLhQce7mGkuMX)")
  print(sub_string)
  # 输出：[1] "000tg82e-99c4-4h20-9ude-d95e15005a 3c"
  

• 方法2：基于目标子串的字符特征匹配（适配性更强）
  目标子串仅包含小写字母、数字、连字符和空格，直接匹配这类字符组合：

  library(stringr)
  
  string <- "P/project/dhi_intro_genomics/genomics/gene/pag-files-per-patient/000tg82e-99c4-4h20-9ude-d95e15005a 3c_KXgES5FtCpLhQce7mGkuMX/XML/JH_DN_S9_2000-12-27_MTW-29FEB1997UW"
  
  sub_string <- str_extract(string, "(?<=pag-files-per-patient/)[a-z0-9\\-\\s]+")
  print(sub_string)
  # 输出：[1] "000tg82e-99c4-4h20-9ude-d95e15005a 3c"
  

两种方法都能得到你需要的子串，方法1适合前后固定字符串不变的场景，方法2适合后面的随机字符串内容/长度有变化，但目标子串字符规则固定的场景。

内容的提问来源于stack exchange，提问作者amu