R语言使用gsub与sub重命名列名截断结果不符合预期

需要将格式为20220427_209944540823_SC835404_12.RCC的列名截断为SC835404_12，运行如下代码后得到结果209944540823_SC835404_12，不符合预期：

colnames(expr_counts) <- gsub(c(".RCC"), "", sub("^[^_]*_", "", colnames(expr_counts)))

• 核心逻辑错误：内层sub("^[^_]*_", "", x)使用的正则^[^_]*_仅会匹配字符串开头到第一个下划线的内容，也就是这一步只会删除最开头的20220427_片段，第二个下划线前的209944540823会被完整保留，自然得不到目标结果。
• 语法不规范：
  1. gsub的匹配模式参数不需要用c()包裹，直接传入字符串即可
  2. 正则中.是通配符，可以匹配任意单个字符，未转义的情况下存在误匹配风险；同时没有加$限定后缀位置，若文件名中间出现.RCC类的字符也会被误删。

如果你的文件名固定为「2段下划线分割的前缀 + 目标片段 + .RCC后缀」的结构，可以直接修改正则匹配规则实现需求：

# 先去除末尾的.RCC后缀，再删除开头到第二个下划线的所有内容
colnames(expr_counts) <- sub("^[^_]*_[^_]*_", "", sub("\\.RCC$", "", colnames(expr_counts)))

如果需要更严谨的匹配（避免文件名格式变动导致的错误），可以用捕获组直接提取目标片段：

colnames(expr_counts) <- gsub("^.*_([A-Z0-9]+_[0-9]+)\\.RCC$", "\\1", colnames(expr_counts))

内容的提问来源于stack exchange，提问作者Genetics