在R中如何提取关键词前后指定数量的字符并存储到数据框？

原代码问题定位 #

• 正则语法使用错误：\\d{40}仅匹配连续40位数字，无法匹配任意类型的40个字符
• 匹配逻辑完全反向：你写的sub('.*?(\\d{40}) keyword', "", data$Report_Text)逻辑是将「开头到40位数字+空格+关键词」的所有内容替换为空，最终输出的是关键词之后的全部文本，和你要提取关键词前40字符的需求完全相悖
• 没有覆盖关键词后40字符的匹配逻辑

正确实现方案 #

我们可以直接将关键词前后40字符和关键词本身合并存储在同一列，两种实现方式可选：

方式1：stringr包实现（可读性更高，推荐） #

# 加载依赖包
library(stringr)

# 请将正则中的"keyword"替换为你实际使用的关键词
data$characters <- str_extract(data$Report_Text, ".{0,40}keyword.{0,40}")

正则.{0,40}keyword.{0,40}会自动适配边界场景：如果关键词距文本开头不足40字符，就取到文本开头；距结尾不足40字符就取到文本结尾。

方式2：base R实现（无需额外安装包） #

# 请将正则中的"keyword"替换为你实际使用的关键词
data$characters <- sub(".*?(.{0,40}keyword.{0,40}).*", "\\1", data$Report_Text, perl = TRUE)

这里开启perl=TRUE保证非贪婪匹配正常生效，\\1会保留我们捕获到的上下文内容。

注意事项 #

• 如果你的关键词包含正则特殊字符（比如.、*、+、?等），需要提前加转义符\\，比如关键词为v1.0时，正则里要写为v1\\.0
• 如果需要匹配多个关键词，可将正则中的keyword替换为(关键词1|关键词2|关键词3)格式

内容的提问来源于stack exchange，提问作者Jordan