如何用stringr::str_match的|匹配正则模式及修复现有正则问题？

1. 如何用|匹配两个正则表达式模式？ #

在stringr::str_match里直接用|分隔不同的正则模式就可以实现多选匹配，但有个关键细节要注意：|的优先级很低，如果你的两个模式本身包含复杂结构（比如量词、嵌套分组），最好给每个模式单独加上括号，明确分支范围，避免匹配逻辑出现意外偏差。

举个例子，如果你想匹配“以abc开头”或者“以xyz结尾”的字符串，建议写成^(abc)|(xyz)$——虽然这个简单场景不加括号也能工作，但复杂模式下，括号能帮你避免正则解析器误判分支边界。

2. 修正正则实现PlateName的正确匹配 #

你的问题核心是捕获组的位置不对：当前正则的两个分支用了不同的捕获组，MIPS系列的目标内容在V2，而KORgex的内容在V3，但你统计的是V2，所以KORgex条目自然显示为NA。咱们调整正则，让两种情况的目标内容都落到同一个捕获组里就能解决问题。

先梳理你的PlateName格式：

• MIPS开头的条目：需要提取MIPS_之后、_Pxx/_Low之前的部分（比如AGRE、SSC_CL）
• KORgex开头的条目：直接提取KORgex

修改后的代码和正则如下：

str_match(df$PlateName, "^(?:MIPS_([[:alnum:]]+(?:_[[:alnum:]]+)?)(?:_P\\d+|_Low)?(?:_DIL)?|(KORgex).*)$") %>% 
  as.tibble() %>% 
  count(V2)

正则细节拆解： #

• ^(?:...)：外层非捕获组，用来包裹两个匹配分支，避免|的优先级问题干扰整体匹配逻辑
• 第一个分支（MIPS系列）：
  • MIPS_：匹配固定前缀
  • ([[:alnum:]]+(?:_[[:alnum:]]+)?)：核心捕获组（V2），匹配字母数字组合，允许带一个下划线（完美适配SSC_CL这类带下划线的情况）
  • (?:_P\\d+|_Low)?：非捕获组，匹配_P01/_Low这类后缀，?表示这部分是可选的
  • (?:_DIL)?：非捕获组，匹配可选的_DIL后缀
• 第二个分支（KORgex系列）：
  • (KORgex).*：把KORgex直接放到V2捕获组里，.*匹配后续任意内容

这样修改后，所有类型的PlateName都会把目标内容放到V2里，统计的时候KORgex会被正常计数，不会再出现NA。另外你原来正则里的[Low|P:digit:]+是错误写法——字符集[]不能用来分组，正确的数字匹配应该是\\d+（R里需要转义反斜杠）。

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