R语言提取字符串第2个短杠后首个斜杠前内容（超50万行）

针对你50多万行的字符串向量，最优的实现方式是利用**stringr包（底层基于高效的stringi库）**的向量化正则提取，因为它既简洁又能处理大规模数据，速度非常快。

先看示例代码，直接解决你的问题：

# 加载stringr包（如果没安装先运行install.packages("stringr")）
library(stringr)

# 你的示例向量
vec <- c(
  "a - bc/def_g - A/mn/us/ww",
  "opq - rs/ts_uf - BC/wx/yza",
  "Abc - so/dhie7u - XYZ/En/xy/jkq - QWNE"
)

# 核心提取代码
target_text <- str_match(vec, "(?:.*? - ){2}\\s*([^/]+)")[, 2]

# 输出结果
target_text
# [1] "A"   "BC"  "XYZ"

代码解释 #

• 正则表达式(?:.*? - ){2}\\s*([^/]+)的作用：
  1. (?:.*? - ){2}：非捕获组，非贪婪匹配前两段以-（空格+短杠+空格）结尾的内容，也就是跳过前两个xxx - 部分；
  2. \\s*：匹配第2个短杠后可能存在的空格（适配你的字符串格式）；
  3. ([^/]+)：捕获组，匹配所有直到第一个/的字符，这就是你要提取的目标文本。
• str_match返回一个矩阵，第一列是整个匹配的字符串，第二列是我们捕获的目标内容，所以用[, 2]提取。

为什么这是最优方案？ #

1. 速度快：stringr底层依赖的stringi是用C++实现的字符串处理库，专门针对大规模数据做了优化，50万行数据处理起来毫无压力，比base R的正则函数（如regmatches）效率更高；
2. 向量化操作：不需要写循环，R的向量化函数会自动批量处理所有元素，避免了循环带来的性能损耗；
3. 鲁棒性强：正则表达式精准匹配你的字符串结构，即使部分字符串有微小格式差异（比如短杠后空格数不同），\\s*也能兼容。

备选的base R方案（如果不想加载额外包） #

如果不想安装stringr，也可以用base R的Perl正则实现，但速度会略慢一点：

target_text <- regmatches(vec, regexpr("(?<=(?:.*? - ){2}\\s*)[^/]+", vec, perl = TRUE))

这里用了正向预查(?<=...)来定位到第2个短杠后的位置，再匹配到第一个/前的内容。

内容的提问来源于stack exchange，提问作者angel0smile