R语言提取dataframe列中指定字符串片段的实现方法

你写的(?<=water, )(\\w+)返回NA有两个核心问题：

• 预查片段里water,后面多写了一个空格，原字符串中逗号后直接跟<strong>标签，没有空格，边界定位本身就失效
• \\w规则仅能匹配字母、数字、下划线，无法覆盖目标内容里的空格、括号、冒号这类特殊字符，同时也没有设置匹配终止边界，根本捕获不到完整的目标片段

不需要分两次截断字符串，单次正则匹配就能直接提取目标内容：

• 场景1：所有单元格目标内容都被<strong>标签包裹，用下面的代码可以直接提取纯文本，自动过滤标签：

# 已加载stringr包可跳过第一行
library(stringr)

df$Column1 <- str_extract(
  df$Column1,
  "(?<=water,<strong>).*?(?=</strong>,salinity)"
)

• 场景2：部分单元格没有<strong>标签，用通用兼容写法提取后，再统一清除可能残留的标签即可：

df$Column1 <- str_extract(
  df$Column1,
  "(?<=water,).*?(?=,salinity)"
)
# 清除所有可能残留的strong标签
df$Column1 <- str_replace_all(df$Column1, "</?strong>", "")

• (?<=water,<strong>)：正向零宽断言，定位到water,<strong>片段的结束位置，本身不会占用匹配字符
• .*?：非贪婪模式匹配任意字符（支持空格、括号、特殊符号），匹配到下一个边界就立刻停止，不会误抓后面的盐度、经纬度等其他字段
• (?=</strong>,salinity)：正向零宽断言，定位到</strong>,salinity片段的起始位置，作为匹配的终止边界

内容的提问来源于stack exchange，提问作者locopoko