R语言正则表达式如何匹配含精确数量非连续字符的字符串

过往尝试的错误原因 #

• 匹配"_{2}"的逻辑缺陷：该正则仅识别位置连续相邻的两个下划线（例如"test__string"这类双下划线紧挨的场景），并非统计整个字符串累计出现2次下划线的情况。当前测试数据集内没有连续双下划线的内容，因此所有检测结果均为FALSE，完全不匹配筛选目标。
• 匹配"._.{2,}"的逻辑缺陷：该正则仅要求字符串中存在「任意字符+下划线+至少2个任意字符」的片段，既不约束下划线的总出现次数，也不对字符串整体结构做校验，因此会把所有包含1个、2个下划线的字符串全部纳入筛选结果，范围严重超出预期。

可复用的正确实现方法 #

方法1：带全字符串锚定的正则匹配 #

通过锚定字符串首尾边界，搭配非下划线字符的通配规则，精准约束下划线的总出现次数：

# 恰好匹配2个分散下划线的字符串
terms[stringr::str_detect(terms, "^[^_]*_[^_]*_[^_]*$")]

规则说明：

• ^、$ 分别锚定字符串开头、结尾，避免仅匹配字符串内部的目标片段
• [^_]* 匹配任意长度的非下划线字符
• 正则结构内嵌2个独立的下划线标记，确保整个字符串内刚好存在2个下划线，不存在第三个额外的下划线。

方法2：直接字符计数（低认知成本） #

不需要推导复杂正则，直接统计目标字符的出现频次后筛选，逻辑直观且不易写错：

terms[stringr::str_count(terms, "_") == 2]

两种方法的输出结果完全一致，均为符合要求的3个字符串：

[1] "annual_reproductive_success" "sea_surface_temperature"
[3] "mean_chick_weight"

内容的提问来源于stack exchange，提问作者Nebulloyd