如何在R中使用正则表达式提取@后非数字开头的企业账号短语

原有代码问题梳理 #

• 正则表达式开头多了强制匹配的空格，你的示例中@是字段开头的内容，前面无空格，会导致匹配失效
• 没有使用分组或断言提取@后的账号内容，会把@本身也计入匹配结果，不符合输出要求
• 语法层面漏了mutate()函数（dplyr管道中新增字段必须用mutate包裹），且没有按照要求使用case_when语句

修正后实现代码 #

首先调整正则为零宽断言写法，直接提取@后非数字开头的账号内容：

# 加载依赖包
library(dplyr)
library(stringr)

# 正则含义：匹配@后面、非数字开头的账号字符，提取结果自动忽略@符号
tweet_pattern <- "(?<=@)(?!\\d)\\w+"

Customer <- Customer %>%
  mutate(Response_To_Comp = case_when(
    str_detect(Tweet, tweet_pattern) ~ str_extract(Tweet, tweet_pattern),
    TRUE ~ NA_character_
  ))

效果说明 #

运行上述代码后得到的结果和你提供的预期输出完全一致：

• 非数字开头的企业账号@sprintcare、@apple会分别提取出sprintcare、apple
• 数字开头的@12345、@45678会被过滤，返回NA

内容的提问来源于stack exchange，提问作者Dinho