R语言如何提取下划线分隔文件名中以model开头的子串

• 第一次尝试的正则仅写了"model"，没有匹配同段内后续的字符，因此只能提取到固定的"model"文本，拿不到完整段内容。
• 直接对str_split()返回的结果用[-3]索引存在两个核心错误：
  • str_split()处理向量输入时返回的是和输入等长的列表结构，直接对列表做索引是在操作列表层级的元素，不是每个文件名拆分后的分段，会导致返回结果长度和原数据框行数不匹配，触发长度报错。
  • R语言中单中括号的负索引代表排除对应正序位置的元素，不是从末尾倒序取元素，索引逻辑本身不符合取倒数分段的需求。

方案1：正则一步匹配（最简便，不需要依赖「距末尾段数固定」的条件） #

因为目标段是下划线分隔的独立片段，特征是model开头，后面到下一个下划线之前都属于该段内容，直接用正则匹配整段即可：

library(tidyverse)
# 测试数据
a = "Vel_Mag_ft_modelExisting_350cfs_blah3.tif"
b = "Depth_modelDesign_11000cfs_blah2.tif"

tibble(files = c(a,b)) %>%
  mutate(model_tag = str_extract(files, "model[^_]+"))

运行结果：

# A tibble: 2 × 2
  files                                   model_tag    
  <chr>                                   <chr>        
1 Vel_Mag_ft_modelExisting_350cfs_blah3.tif modelExisting
2 Depth_modelDesign_11000cfs_blah2.tif    modelDesign   

正则中[^_]+的含义是匹配1个及以上的非下划线字符，刚好可以把model开头到下一个下划线之前的所有内容完整提取出来。

方案2：拆分后按固定位置取数（适配已知「目标段距末尾分段数固定」的场景） #

如果要走拆分逻辑，需要用purrr::map_chr()遍历str_split()生成的列表，对每个拆分后的分段向量单独取倒数位置的元素。示例中目标段都是倒数第3个分段（最后一段是带.tif后缀的blah段，往前数2个就是model开头的段），代码如下：

tibble(files = c(a,b)) %>%
  mutate(
    split_list = str_split(files, "_"),
    model_tag = map_chr(split_list, ~.x[length(.x)-2]) # 倒数第n位 = 总长度减(n-1)
  ) %>%
  select(-split_list)

运行结果和方案1完全一致。如果实际数据里目标段距末尾的段数不是3，只要调整偏移值即可：比如取倒数第2段就写length(.x)-1，取倒数第4段就写length(.x)-3。

注意不要直接写.x[-3]，这个写法的含义是删掉拆分结果中正序第3个元素，返回剩下的所有内容，不是取倒数第3个分段。

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