R语言如何提取字符串中匹配项到下一个下划线前的子串？

需求为：字符串匹配到指定特征时，提取从匹配位置开始到下一个下划线_前的所有内容，示例提取规则如下：

• 输入mycampaign_s22uhd4k_otherinfo，输出s22uhd4k
• 输入my_campaign_otherinfo_s22jumpto_otherinfo，输出s22jumpto

测试数据集：

df <- structure(list(a = c("mycampaign_s22uhd4k_otherinfo", "my_campaign_otherinfo_s22jumpto_otherinfo"
), b = c(1, 2)), class = "data.frame", row.names = c(NA, -2L))

实现方法 #

核心逻辑为正则匹配：先定位指定的特征字符串，向后连续匹配所有非下划线字符，直到遇到第一个下划线自动终止，即可得到目标提取结果。

方法1：stringr包实现（推荐，代码简洁易读） #

# 加载包，未安装可先运行 install.packages("stringr")
library(stringr)

# 提取内容，将正则中的s22替换为你实际需要匹配的指定特征即可
df$extract_result <- str_extract(df$a, "s22[^_]+")

运行后查看结果：

> df$extract_result
[1] "s22uhd4k"  "s22jumpto"

完全符合示例预期。

方法2：基础R实现（无需安装第三方包） #

如果不想依赖额外包，可以直接用R内置的正则处理函数实现：

# 同样替换正则开头的s22为你的目标匹配特征即可
df$extract_result <- regmatches(df$a, regexpr("s22[^_]+", df$a))

运行结果和上述方法完全一致。

正则说明：[^_]+代表匹配1个及以上连续的、非下划线的任意字符，固定实现「匹配到下一个下划线前停止」的规则，不需要调整。如果需要匹配的指定特征包含特殊正则字符（比如.、*等），可以用fixed()参数包裹特征字符串做精确匹配，避免正则转义问题。

内容的提问来源于stack exchange，提问作者Omar Gonzales