R语言正则提取字符串换行符\n前文本及对应首尾单词

基础需求：提取首次出现换行符\n之前的所有文本 #

实现逻辑很直接：定位字符串中第一个换行符的位置，截取该位置之前的全部子串即可，有两种常用写法：

• 纯基础R实现，无需安装额外包

# 定义测试字符串
string <- "Stack Overflow\nIs a great website for asking programming questions\nOther Info"

# 提取第一个换行前的文本
first_line <- substr(
  x = string,
  start = 1,
  stop = regexpr("\n", string)[1] - 1
)

# 打印结果验证
first_line
# 输出: [1] "Stack Overflow"

• stringr包实现（适合日常tidyverse工作流，代码更简洁）

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

first_line <- str_extract(string, "^[^\n]+")

两种写法输出完全一致，符合预期结果。

扩展需求：提取首个单词 + 首个换行符前的最后一个单词 #

实现逻辑：先拿到第一个换行前的整行文本，再按空白字符拆分单词，取拆分结果的第一个和最后一个元素拼接即可。

# 定义扩展场景测试字符串
string2 <- "Stack Overflow Dot Com\nIS a great website for asking programming questions\nOther Info"

# 第一步：提取第一行文本
first_line2 <- str_extract(string2, "^[^\n]+")
# 第二步：按空白拆分单词，取首尾拼接
word_list <- str_split(first_line2, "\\s+", simplify = TRUE)
target_res <- paste(word_list[1,1], word_list[1,ncol(word_list)])

# 打印结果验证
target_res
# 输出: [1] "Stack Com"

纯基础R的扩展实现写法：

first_line2_base <- substr(string2, 1, regexpr("\n", string2)[1] -1)
word_list_base <- strsplit(first_line2_base, "\\s+")[[1]]
target_res_base <- paste(word_list_base[1], word_list_base[length(word_list_base)])
# 输出同样为 "Stack Com"

注：如果待处理字符串本身不含换行符，上述方法会直接返回完整字符串，不会抛出异常。

内容的提问来源于stack exchange，提问作者Brigadeiro