R语言如何正确提取文件名中下划线之前的内容？

首先说明你两种写法的错误原因：

• 第一种写法strsplit(count_files, "_*")：正则中_*代表匹配0个或多个下划线，等效于按空字符拆分，会把所有字符逐个拆开，完全不符合需求。
• 第二种写法strsplit(count_files, "_*.[c,t]sv")：正则逻辑存在多处错误：_*还是匹配0个或多个下划线，.匹配任意单字符，[c,t]sv实际匹配的是c/、/t开头加sv的字符组合，完全无法定位到第一个下划线的位置。

可行实现方案 #

方案1：base R 原生strsplit实现 #

直接按下划线拆分后，取每个拆分结果的第一个元素即可：

# 示例文件名列表
count_files <- c("group1_rep1.csv", "group2_rep2_3.csv", "sampleA_test.csv")
# 拆分后取首个元素
condition <- sapply(strsplit(count_files, split = "_"), function(x) x[1])

方案2：base R 正则替换实现（更简洁） #

用sub函数直接替换掉第一个下划线及之后的所有内容，剩下的就是目标内容：

condition <- sub("_.+$", "", count_files)

正则说明：_匹配第一个下划线，.+匹配任意数量的任意字符，$匹配字符串末尾，整体即匹配第一个下划线到结尾的全部内容，用空替换后就得到下划线前的内容。

方案3：stringr包函数实现（代码可读性更高） #

如果允许使用第三方包，用str_extract直接匹配目标内容即可：

library(stringr)
condition <- str_extract(count_files, "^[^_]+")

正则说明：^匹配字符串开头，[^_]+匹配1个及以上非下划线的字符，刚好对应第一个下划线之前的全部内容。

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