R语言如何提取字符串第一个下划线后的所有数字值

问题根因 #

你写的正则有两个明显问题：

• 数字匹配部分用了\\d，仅能匹配单个数字位，遇到25这种多位数字只能抓到第一位
• 规则里强制要求匹配到的数字后面必须跟一个下划线_，但第三个测试字符串increa_25-50-76里，第一个下划线后的25后面直接是连字符，根本满足不了匹配条件，所以替换时没命中规则，返回原字符串转数值就出了NA。

修正代码 #

直接用sub做单次匹配替换就行，不需要写复杂的重复分组：

myvec <- c("increa_0_1-1","increa_9_25-112","increa_25-50-76" )
as.numeric(sub("^[^_]+_(\\d+).*", "\\1", myvec))

运行输出：

[1]  0  9 25

完全符合你的预期。

正则逻辑说明

• ^[^_]+_：从字符串开头开始匹配，一直到第一个下划线为止，精准锚定第一个下划线的位置，不会误匹配到后面的下划线
• (\\d+)：捕获第一个下划线后连续的1个及以上数字，就是你要提取的目标值，不管是1位还是多位数字都能匹配到
• .*：匹配数字后面剩下的所有内容
• 替换时只保留捕获到的数字分组，直接拿到结果。

如果你习惯用提取类函数，也可以用stringr的写法，逻辑更直白：

library(stringr)
as.numeric(str_extract(myvec, "(?<=_)\\d+"))

这里用正向零宽断言(?<=_)定位下划线位置，正则默认从左向右匹配，会自动取第一个下划线后的连续数字，结果和上面完全一致。

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