You need to enable JavaScript to run this app.
优惠活动
大模型
产品
解决方案
定价
更多

R语言如何提取文本中含特定字符NCT的目标字符串

R语言提取URL文本中NCT编号实现方案

核心匹配逻辑:ClinicalTrials的NCT编号固定格式为NCT前缀加8位阿拉伯数字,直接通过正则表达式匹配该固定规则即可,不受URL分隔符、路径、参数差异影响。

实现步骤

  • 导入待处理的URL文本:支持直接读取本地txt文件、读取剪贴板内容,或直接读取存储在R变量中的文本
  • 用正则匹配所有符合NCT编号规则的字符串
  • 按需去重,按每行一个编号的格式输出或写入文件

完整可运行代码

# 无需安装任何第三方包,直接使用R基础函数即可
# 读取本地txt文件请替换为:raw_text <- readLines("你的文本文件路径.txt", warn = FALSE)
# Windows系统直接读剪贴板可替换为:raw_text <- readClipboard()
raw_text <- c(
  "https://clinicaltrials.gov/show/NCT05301842",
  "https://am.asco.org/sites/am.asco.org/files/AM17-Proceedings.pdf; https://ascopubs.org/doi/10.1200/JCO.2017.35.15_suppl.11520; https://clinicaltrials.gov/ct2/show/NCT01564368; https://pubmed.ncbi.nlm.nih.gov/30179110/; https://pubs.rsna.org/doi/10.1148/radiol.2018180273?url_ver=Z39.88-2003&rfr_id=ori:rid:crossref.org&rfr_dat=cr_pub%20%200pubmed; https://rad.washington.edu/about-us/academic-sections/breast-imaging/research/; https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6283325/",
  "https://clinicaltrials.gov/ct2/show/NCT05382741; https://www.clinicaltrialsregister.eu/ctr-search/search?query=2020-001588-10",
  "https://clinicaltrials.gov/show/NCT05267392",
  "https://clinicaltrials.gov/ct2/show/NCT02830282; https://www.cancer.gov/about-cancer/treatment/clinical-trials/search/v?id=NCI-2014-00596; https://www.ispytrials.org/i-spy-platform/substudies/i-spy2-surmount-study",
  "https://clinicaltrials.gov/show/NCT05262985",
  "https://clinicaltrials.gov/show/NCT05255653; https://ijgc.bmj.com/content/31/Suppl_3/A108.2",
  "https://clinicaltrials.gov/show/NCT05253131",
  "https://clinicaltrials.gov/show/NCT05245994",
  "https://clinicaltrials.gov/show/NCT05239169; https://www.clinicaltrialsregister.eu/ctr-search/search?query=2021-002389-41"
)

# 正则提取所有符合规则的NCT编号
nct_ids <- unlist(regmatches(raw_text, gregexpr("NCT\\d{8}", raw_text)))

# 不需要去重就注释掉下行
nct_ids <- unique(nct_ids)

# 控制台打印结果
print(nct_ids)

# 需要写入本地txt文件就取消注释下行
# writeLines(nct_ids, "提取结果_NCT编号.txt")

运行说明

  • 上述代码针对提供的样例数据运行后,会提取到全部10个有效NCT编号:NCT05301842、NCT01564368、NCT05382741、NCT05267392、NCT02830282、NCT05262985、NCT05255653、NCT05253131、NCT05245994、NCT05239169
  • 给出的期望输出样例中遗漏了输入文本里实际存在的NCT05382741、NCT02830282两个编号,若需要排除特定编号可在提取后自行加筛选规则
  • 正则规则严格匹配NCT+8位数字的官方格式,不会误匹配NCI等其他标识的字符串,也不会受URL中分号、查询参数、不同路径结构的干扰

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

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.08.29 12:18:19