R语言如何提取字符串中第二个大写字母前的子串

没有专门封装的单功能内置函数，但用基础R的字符串处理函数或者常用字符串处理包，几行代码就能实现需求，示例输入输出对应如下：

• 测试输入：Example <- "MonkeysDogsCats"
• 预期输出："Monkeys"

方法1：基础R实现（无需安装第三方包） #

简洁正则写法 #

直接用sub()做正则替换，适配常规场景：

Example <- "MonkeysDogsCats"
res <- sub("^([A-Z][^A-Z]*).*", "\\1", Example)
res
# > res
# [1] "Monkeys"

兼容边界情况的写法 #

如果需要处理字符串中大写字母不足2个、无大写字母的特殊场景，可以写简单的自定义函数：

get_pre_second_upper <- function(s) {
  upper_locs <- gregexpr("[A-Z]", s)[[1]]
  # 大写字母数量小于2时直接返回原字符串
  if (length(upper_locs) < 2 || upper_locs[1] == -1) return(s)
  # 从开头截取到第二个大写字母的前一位
  substr(s, 1, upper_locs[2] - 1)
}

# 测试用例
get_pre_second_upper("MonkeysDogsCats") # [1] "Monkeys"
get_pre_second_upper("Apple") # 仅1个大写，返回[1] "Apple"
get_pre_second_upper("test123") # 无大写，返回[1] "test123"

方法2：stringr包实现 #

如果日常使用tidyverse生态的字符串处理包stringr，写法更简洁：

library(stringr)
Example <- "MonkeysDogsCats"
str_extract(Example, "^[A-Z][^A-Z]*")
# [1] "Monkeys"

正则逻辑说明：^[A-Z]匹配字符串开头的第一个大写字母，[^A-Z]*匹配后续所有连续的非大写字符，匹配范围自动截止到第二个大写字符出现的前一位，刚好符合需求。

内容的提问来源于stack exchange，提问作者user18632888