R语言：如何从带后缀的字符串中提取双词城市名？

嘿，这个场景我太熟悉了！针对这种"城市名 + 数字 + 方位缩写"格式的字符串，正则表达式绝对是最高效的解决方案，完美覆盖单词、双词甚至多词的城市名提取需求。

核心思路 #

观察你的示例字符串：Stovepipe Wells 1 SW、La Junta 17 WSW，它们的共同模式是：

• 开头是一个或多个首字母大写的单词（城市名，可能是1个、2个甚至更多）
• 后面跟着数字 + 方位缩写（SW、WSW、N等）

我们只需要匹配开头的连续大写首字母单词组，就能精准提取城市名。

具体实现方案 #

1. Python代码示例

用正则捕获组直接提取目标内容：

import re

# 编译正则表达式，支持单/多词城市名
city_regex = re.compile(r'^([A-Z][a-z]+(?:\s[A-Z][a-z]+)*)')

# 测试你的示例数据
test_strings = [
    "Stovepipe Wells 1 SW",
    "La Junta 17 WSW",
    "San Francisco 2 NE",
    "Boston 8 NW"
]

for s in test_strings:
    match_result = city_regex.match(s)
    if match_result:
        print(f"提取到的城市名：{match_result.group(1)}")

运行后输出：

提取到的城市名：Stovepipe Wells
提取到的城市名：La Junta
提取到的城市名：San Francisco
提取到的城市名：Boston

2. SQL数据库直接处理

如果需要在数据库层面直接提取，不同数据库的正则函数略有不同：

• PostgreSQL：

SELECT 
  regexp_match(city_column, '^([A-Z][a-z]+(?:\s[A-Z][a-z]+)*)')[1] AS extracted_city
FROM your_table;

• MySQL 8.0+：

SELECT 
  REGEXP_SUBSTR(city_column, '^[A-Z][a-z]+(?:\\s[A-Z][a-z]+)*') AS extracted_city
FROM your_table;

正则表达式解释 #

^([A-Z][a-z]+(?:\s[A-Z][a-z]+)*) 各部分含义：

• ^：匹配字符串的起始位置，确保我们从开头提取
• [A-Z][a-z]+：匹配一个首字母大写、后续小写的单词（符合英语地名的命名习惯）
• (?:\s[A-Z][a-z]+)*：非捕获组，匹配"空格+大写首字母单词"的组合，*表示可以重复0次或多次（这样就支持单词、双词、多词城市名）
• 整个括号内的内容就是我们要提取的城市名

注意事项 #

如果你的城市名存在特殊情况（比如包含连字符、缩写等），可以根据实际情况微调正则。比如如果有Fort Worth-2 3 S这类格式，可以把正则里的[a-z]+改成[a-z-]+来兼容连字符。

内容的提问来源于stack exchange，提问作者thiagoveloso