求助：使用R语言正则表达式从完整引文提取文内引用

嘿，这个需求在学术写作里超常见！我给你整理了两个在R里能轻松实现的方法，完全适配你给出的引文格式：

首先，先把你的示例引文存成变量方便测试：

citation_text <- "Ali, D. A., Deininger, K., &amp; Goldstein, M. (2014). Environmental and gender impacts of land tenure regularization in Africa: Pilot evidence from Rwanda. Journal of Development Economics, 110, 262–275."

方案一：用Base R自带的sub()函数 #

不用额外装包，Base R的sub()就能搞定，核心是写对正则逻辑：

in_text_citation <- sub("^(.*?\\(\\d{4}\\)).*", "\\1", citation_text)
cat(in_text_citation)
# 输出结果：Ali, D. A., Deininger, K., &amp; Goldstein, M. (2014)

正则逻辑拆解： #

• ^：锚定字符串的开头，避免从中间匹配
• (.*?\\(\\d{4}\\))：这是我们要保留的核心内容（捕获组）：
  • .*?：非贪婪匹配任意字符，直到遇到后面的年份括号（避免把后面的内容也匹配进来）
  • \\(\\d{4}\\)：匹配带括号的4位数字年份（括号是正则特殊字符，所以要加转义符\\）
• .*：匹配年份括号之后的所有内容，我们会把这部分替换为空
• \\1：引用第一个捕获组的内容，也就是我们最终要的文内引用

方案二：用stringr包（更直观简洁） #

如果你平时用tidyverse系列工具，stringr的str_extract()会更省心，直接提取符合规则的内容：

library(stringr)
in_text_citation <- str_extract(citation_text, "^.*?\\(\\d{4}\\)")
cat(in_text_citation)
# 输出和上面完全一致

这个方法不用写替换逻辑，直接告诉它「从开头提取到第一个带括号的4位年份为止的内容」就行，对新手友好度拉满。

特殊情况小调整 #

如果你的引文有一些非标准格式（比如开头有空格、或者年份前意外出现其他数字），可以微调正则：

• 开头有空格：把^改成^\\s*（匹配开头任意数量的空格）
• 要严格匹配年份（避免误匹配卷号等4位数）：可以改成^.*?\\.\\s*\\(\\d{4}\\)，也就是确保年份括号前有句号加空格，更贴合学术引文的格式规范。

内容的提问来源于stack exchange，提问作者elliot