如何在R中用正则表达式提取特殊字符间的值及指定字符串

问题1：如何在R中使用正则表达式提取两个或多个特殊字符之间的值？ #

提取特殊字符之间的内容，核心是利用正则的捕获组或者断言来定位目标内容，这里给你两种常用的实现方式：

方式1：使用Base R的regexec() + regmatches() #

这种方法不需要额外安装包，适合原生R环境。关键是用()把想要提取的内容包裹成捕获组，正则格式大概是：特殊字符左边界(.*?)特殊字符右边界，其中.*?是非贪婪匹配（避免匹配到多个右边界的情况）。

举个例子，假设要提取$和$之间的内容：

# 示例字符串
text <- "订单编号：$ORD_202405$，金额：$129.9$"

# 匹配$之间的内容，捕获组提取目标
match_pos <- regexec("\\$(.*?)\\$", text)
result <- regmatches(text, match_pos)

# 提取第一个匹配的捕获组内容
print(result[[1]][2]) # 输出 "ORD_202405"

如果要提取多组匹配结果，可以用gregexpr()代替regexec()：

match_pos <- gregexpr("\\$(.*?)\\$", text)
results <- regmatches(text, match_pos)[[1]]
# 再提取每个结果的捕获组内容
results_clean <- sub("\\$(.*?)\\$", "\\1", results)
print(results_clean) # 输出 ["ORD_202405", "129.9"]

方式2：使用stringr包（更简洁） #

stringr是tidyverse系列的包，语法更直观，推荐用于字符串处理。可以用正向断言来直接定位边界，不需要捕获组：

library(stringr)

# 提取$之间的内容
result <- str_extract(text, "(?<=\\$).*?(?=\\$)")
print(result) # 输出第一个匹配的内容 "ORD_202405"

# 提取所有匹配结果用str_extract_all()
results_all <- str_extract_all(text, "(?<=\\$).*?(?=\\$)")[[1]]
print(results_all) # 输出 ["ORD_202405", "129.9"]

这里(?<=\\$)是正向后顾断言（匹配前面是$的位置），(?=\\$)是正向前瞻断言（匹配后面是$的位置），中间的.*?就是我们要提取的内容。

问题2：从指定字符串提取'DM_4CRSOL' #

先看你的目标字符串：

string_1 <- "[1] \" .. ..$ : chr [1, 1] \\\"DM_4CRSOL\\\"\""

这个字符串里，DM_4CRSOL被转义的双引号（\"）包裹着，我们有两种精准提取的方式：

方法1：直接匹配目标字符串的模式 #

观察DM_4CRSOL的格式：大写字母、数字、下划线组成，所以可以直接用正则[A-Z0-9_]+匹配：

library(stringr)
result <- str_extract(string_1, "[A-Z0-9_]+")
print(result) # 输出 "DM_4CRSOL"

方法2：匹配被转义双引号包裹的内容（更精准，避免误匹配） #

因为原字符串里的双引号是转义过的（实际存储为\"），所以正则里需要用\\\\\"来匹配这个转义引号，然后提取中间的内容：

# Base R方法
match_pos <- regexec("\\\\\"([A-Z0-9_]+)\\\\\"", string_1)
result <- regmatches(string_1, match_pos)[[1]][2]
print(result)

# stringr方法
result <- str_extract(string_1, "(?<=\\\\\").*?(?=\\\\\")")
print(result)

这里\\\\\"的意思是：在R字符串里，\\表示一个实际的\，所以\\\\对应正则里的一个\，加上\"就匹配了原字符串里的\"。

内容的提问来源于stack exchange，提问作者User