R语言如何识别数据框每行中字母数字交替的特定字符串

直接用正则表达式匹配目标格式字符串即可，无需生成全量排列组合，万行级数据可毫秒级出结果。

核心匹配规则 #

目标串符合「字母-数字-字母-数字-字母-数字」交替规律，示例中的匹配串存在前3位、后3位中间带单个空格的形式，编写正则时兼容可选空格即可：

• 正则表达式：`[A-Z][0-9][A-Z]\\s?[0-9][A-Z][0-9]`
• 规则拆解：按顺序匹配1个大写字母、1个数字、1个大写字母、0或1个空白字符、1个数字、1个大写字母、1个数字，自动过滤连续字母、连续数字、长度不符的无效串。

完整实现代码 #

# 构造示例数据集
var1 = c("name1", "name2 A2L 7O1", "1726A")
var2 = c("B6U 5T3", "dog55", "name name K8GG 2H3")
var3 = c("cat J5C 99W3", "A37L2" ,"cat K8Y 9S2 dog")
problem_data = data.frame(var1, var2, var3)

# 加载正则处理包，未安装可先运行 install.packages("stringr")
library(stringr)

# 逐行提取符合规则的字符串存入var4
problem_data$var4 <- apply(problem_data, 1, function(row) {
  row_content <- paste(row, collapse = " ")
  str_extract(row_content, "[A-Z][0-9][A-Z]\\s?[0-9][A-Z][0-9]")
})

运行后得到的结果和预期完全一致：

> problem_data
           var1               var2            var3    var4
1         name1            B6U 5T3    cat J5C 99W3 B6U 5T3
2 name2 A2L 7O1              dog55           A37L2 A2L 7O1
3         1726A name name K8GG 2H3 cat K8Y 9S2 dog K8Y 9S2

场景适配调整 #

• 若匹配串包含小写字母，可将正则中[A-Z]替换为[A-Za-z]，或在str_extract中加入参数regex(..., ignore_case = TRUE)忽略大小写
• 若匹配串为无空格连写格式（如B6U5T3），现有正则可直接命中，无需修改
• 若单行存在多个符合规则的串，将str_extract替换为str_extract_all即可提取全部匹配结果

内容的提问来源于stack exchange，提问作者stats_noob