如何用stringr::str_replace提取下划线分隔的第三个元素？

嘿，我看你想用str_replace替代str_split来提取下划线分隔字符串里的第三个元素，不过你当前的正则因为贪婪匹配的问题没拿到正确结果，我来帮你修正下～

问题分析 #

你之前写的正则(.+)_(.+)_(.+)_*(.*)_*(.*)里，.+是贪婪匹配——它会尽可能多的吃掉字符，导致第一个.+直接吃到倒数第二个下划线的位置，最后捕获的\\3变成了字符串的最后一段（比如第一个例子里的feee），这就和你想要的结果背道而驰了。

修正方案 #

我们可以用明确匹配非下划线字符的方式来避免贪婪问题，正则写成：^[^_]+_[^_]+_([^_]+).*，然后用str_replace把整个字符串替换为捕获组\\1的内容，就能得到第三个元素了，同时也保留了分组。

测试代码及结果 #

library(tidyverse)
library(stringr)

# 构建测试数据
d <- enframe(
  c("asfe_01_AAAA_fses_feee", "asfe_87_BBBB_fses_feee", "99_fesf_CCCC_feee", "99_fesf_DDDD"),
  name = NULL, 
  value = "txt"
)

# 修正后的处理逻辑
d %>% 
  mutate(
    x = str_replace(txt, "^[^_]+_[^_]+_([^_]+).*", "\\1"),
    want_strsplit = str_split(txt, "_", simplify = TRUE)[, 3]
  )

运行后得到的结果和预期一致：

正则解释 #

拆解一下这个正则的各个部分：

• ^：锚定字符串开头，确保从最开始匹配，避免中间匹配的干扰
• [^_]+：匹配任意不是下划线的字符（至少一个），刚好对应下划线分隔的单个元素
• [^_]+_：匹配第一个元素加上后面的下划线分隔符
• 重复一次[^_]+_，就完成了第二个元素和后续下划线的匹配
• ([^_]+)：这是我们的捕获组，专门匹配第三个元素（所有非下划线字符），后续用\\1调用这个组的内容
• .*：匹配第三个元素之后的所有内容（不管有没有下划线，全部匹配掉）

这样str_replace就会把整个字符串替换成我们需要的第三个元素，和str_split的结果完全同步～

内容的提问来源于stack exchange，提问作者r.user.05apr