R语言如何从含标点的字符串中用正则提取RDS16、Asthma两个值

可行实现代码 #

方法1：提取所有双引号包裹内容（通用方案） #

如果你的目标内容始终是字符串中所有被双引号包裹的内容，直接用正向断言匹配即可：

library(stringr)
# 原字符串
string <- "newdatat.scat == \"RDS16\" ~ \"Asthma\","
# 提取所有符合规则的内容
targets <- str_extract_all(string, '(?<=")[^"]+(?=")')[[1]]

运行后targets[1]即为RDS16，targets[2]即为Asthma。

方法2：按固定结构匹配（精准方案） #

如果你的字符串结构固定为变量 == "值1" ~ "值2",的公式格式，可以用捕获分组定向提取：

match_res <- str_match(string, '== "([^"]+)" ~ "([^"]+)"')
val1 <- match_res[,2] # 得到RDS16
val2 <- match_res[,3] # 得到Asthma

正则逻辑说明 #

方法1正则(?<=")[^"]+(?=")拆解： #

• (?<=")：正向后顾断言，限定当前匹配位置的前一个字符必须是双引号，双引号本身不会被计入提取结果
• [^"]+：匹配1个及以上不是双引号的字符，就是我们要的目标内容，这里用[^"]而非.是为了避免贪婪匹配跨过多对引号
• (?=")：正向前瞻断言，限定当前匹配位置的后一个字符必须是双引号，同样不会计入提取结果

方法2正则== "([^"]+)" ~ "([^"]+)"拆解： #

• 先匹配固定前缀== "，锁定第一个目标值的起始位置
• 第一个([^"]+)：用小括号做捕获组，提取第一个双引号内的内容
• 匹配两个目标中间的固定分隔符" ~ "
• 第二个([^"]+)：第二个捕获组，提取第二个双引号内的内容

原代码失效原因 #

你原来写的str_extract(string,'~."(.+)')仅匹配~之后的内容：

• 逻辑是先匹配~，再匹配任意1个字符，再匹配双引号，最后贪婪匹配到字符串末尾
• 完全没有覆盖到前面RDS16所在的位置，自然只能提取到和Asthma相关的内容

内容的提问来源于stack exchange，提问作者karuno