如何在R语言中从指定字符串提取带逗号的目标子串

我拥有如下字符串列表：

Woman Killed in Uber Accident in Goleta, California Sacramento, California Man Dies in Lyft Accident

希望提取出类似「Goleta, California」格式的子串，请问在R语言中该如何实现？

这其实是个典型的正则表达式匹配场景，在R里有几种简洁的实现方式，我给你详细说明：

方法一：用stringr包（推荐，语法更直观） #

stringr是tidyverse家族里专门处理字符串的包，用它来提取匹配内容非常方便：

# 先安装包（如果还没装的话）
# install.packages("stringr")
library(stringr)

# 定义你的输入文本
input_text <- "Woman Killed in Uber Accident in Goleta, California Sacramento, California Man Dies in Lyft Accident"

# 提取符合格式的子串
location_matches <- str_extract_all(input_text, "[A-Z][a-z]+,\\s[A-Z][a-z]+")[[1]]

# 查看结果
print(location_matches)

运行后你会得到结果：

[1] "Goleta, California"    "Sacramento, California"

正则表达式说明 #

• [A-Z][a-z]+：匹配首字母大写、后续为小写字母的单词（对应城市/州的单个单词名称）
• ,\\s：匹配逗号加空格，对应格式里的分隔部分
• 整体组合起来就精准匹配「城市名, 州名」的格式

方法二：用基础R函数（无需额外装包） #

如果你不想安装新包，用基础R的gregexpr和regmatches也能实现：

input_text <- "Woman Killed in Uber Accident in Goleta, California Sacramento, California Man Dies in Lyft Accident"

# 提取匹配内容
location_matches <- regmatches(input_text, gregexpr("[A-Z][a-z]+,\\s[A-Z][a-z]+", input_text))[[1]]

print(location_matches)

扩展：匹配多单词的城市名 #

如果你的文本里有像「San Francisco, California」这种多单词的城市名，可以把正则表达式调整为：

# 适配多单词城市名的正则
location_matches <- str_extract_all(input_text, "[A-Z][a-z]+(\\s[A-Z][a-z]+)*,\\s[A-Z][a-z]+")[[1]]

这个表达式里的(\\s[A-Z][a-z]+)*表示可以匹配0个或多个「空格+大写开头单词」的部分，完美兼容多单词城市名。

内容的提问来源于stack exchange，提问作者Jane