R语言中str_extract_all如何忽略\n且保留换行符用于后续处理？

这问题我之前也碰到过！核心原因是正则表达式里的.默认不匹配换行符\n，所以你写的SESSÃO.*?(?=SESSÃO)中，.*?遇到换行就会停止匹配，自然抓不到两个SESSÃO之间的完整内容。不用删除换行符的话，有两个简单的解决方案：

方案一：启用Dotall模式（推荐） #

在正则表达式开头加上(?s)修饰符，这个修饰符会让.匹配包括换行符在内的所有字符，这样就能完整捕获两个SESSÃO之间带换行的文本了：

str_extract_all(html, "(?s)SESSÃO.*?(?=SESSÃO)")

提取后的结果会完整保留原字符串中的换行符，完全满足你后续拆分的需求。

方案二：用[\s\S]替代. #

如果不想用修饰符，也可以把.*?换成[\s\S]*?——\s匹配所有空白字符（包括换行），\S匹配所有非空白字符，两者组合起来就等同于匹配任意字符，同样能跨换行匹配：

str_extract_all(html, "SESSÃO[\s\S]*?(?=SESSÃO)")

这个写法的效果和方案一完全一致，选哪种全看你个人习惯。

另外补充个小细节：如果你的文本最后还有一段以SESSÃO结尾的内容，上面的正向预查(?=SESSÃO)会漏掉它。要是需要捕获最后一段，可以把正则调整为(?s)SESSÃO.*?(?=SESSÃO|$)，这样就能同时匹配到最后一个SESSÃO之后的内容啦。

内容的提问来源于stack exchange，提问作者Felipe Ito