在R语言中如何从字符串及数据框列中提取保留指定字符模式

核心思路：把需要保留的字符规则写为固定正则表达式，再封装为通用提取函数，即可兼容单个字符串、字符向量、数据框指定列的处理需求。

步骤1：预定义匹配模式与通用函数 #

上述需求需要保留的规则是开头数字+加号+kk/单个数字的前缀，对应正则为^\\d+\\+(kk|\\d)，其中^匹配字符串开头，\\d+匹配1个及以上数字，\\+匹配加号，(kk|\\d)匹配kk或者单个数字。

基于stringr（推荐，适配tidyverse生态） #

# 预定义需保留的字符模式
keep_pattern <- "^\\d+\\+(kk|\\d)"

# 封装通用提取函数
extract_target <- function(x) {
  stringr::str_extract(x, keep_pattern)
}

base R版本（无需安装额外包） #

extract_target_base <- function(x) {
  regmatches(x, regexpr("^\\d+\\+(kk|\\d)", x))
}

步骤2：不同场景调用示例 #

• 处理单个字符串

extract_target("3+kk120")
# 返回结果："3+kk"

• 处理字符向量（匹配示例数据）

g <- c("3+kk120", "3+1121", "1+170", "1+kk5")
extract_target(g)
# 输出和预期一致："3+kk" "3+1"  "1+1"  "1+kk"

• 处理数据框指定列

library(dplyr)
# 示例数据框
df <- data.frame(
  id = 1:4,
  raw_str = g
)
# 对raw_str列进行处理，生成新的结果列
df <- df %>%
  mutate(target_str = extract_target(raw_str))

规则调整说明 #

如果后续需要修改保留的字符规则，只需要修改keep_pattern对应的正则表达式即可，无需修改后续调用逻辑，可复用性强。

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