如何使用stringr的str_extract在mutate中提取以rs开头以数字结尾的子串

正则表达式理解误区说明 #

你使用的正则^rs*\\d$返回NA，核心是3个正则语法的理解偏差：

• *量词的作用理解错误：*是匹配其前方紧邻的单个字符0次及以上，并非你误以为的“匹配任意内容”通配符。你写的rs*实际匹配逻辑是「字符r后接0个或多个s」，可以命中r、rs、rss等，完全不涉及对数字的匹配规则。
• 数字匹配没有加对应量词：\\d仅能匹配单个数字字符，你需要提取的1234是4个连续数字，未加量词的情况下只能匹配rs后仅接1位数字的场景。
• 结束锚点$误用：$表示匹配内容必须位于整个字符串的末尾，你要提取的rs1234后还有-<b>C</b>的剩余内容，加了$后正则要求从字符串开头到结尾全量匹配，自然不可能命中目标子串。

参考修正写法（仅作为误区理解的验证） #

要提取rs开头后接连续数字的子串，正则可写为^rs\\d+，测试如下：

str_extract("rs1234-<b>C</b>","^rs\\d+")
# 输出 [1] "rs1234"

内容的提问来源于stack exchange，提问作者monotonic