使用后向断言可选匹配符号的正则表达式问题

看起来你已经快摸到正确结果了，只是正则的匹配范围没控制好，才导致冒号被留在结果里。咱们来调整一下：

问题分析 #

你当前用的正则.*(?=:* my name)有两个小问题：一是.*是贪婪匹配任意字符，会把名称后面的冒号也纳入匹配范围；二是:*表示匹配0个或多个冒号，而你实际需要的是匹配0个或1个冒号，应该用:?。这两个点加起来，就导致Robert:被完整匹配出来了。

修正后的正则方案 #

我们需要明确：要提取的是**"my name"前面、不含冒号的名称部分**，同时兼容名称后带冒号或不带冒号的情况。直接把正则改成这样就能解决问题：

strings <- c("Robert: my name is Robert", "Michael my name is Michael", "Jack: I like turtles")
regmatches(strings, regexpr("[^:]+(?=:? my name)", strings, perl = TRUE))

正则逻辑拆解 #

• [^:]+：匹配任意非冒号的字符，直到遇到冒号或者"my name"前的空格，自动排除了名称后的冒号
• (?=:? my name)：正向预查，确保后面跟着0个或1个冒号+空格+"my name"，完美适配两种格式的目标字符串

运行这段代码后，就能得到你想要的结果：

[1] "Robert" "Michael"

另一种可选方案（捕获组方式） #

如果你习惯用捕获组的思路，也可以这样写，不过需要用regexec来提取捕获组内容：

matches <- regexec("^([^:]+):? my name", strings)
# 遍历提取每个匹配的捕获组
sapply(regmatches(strings, matches), function(x) if(length(x)>1) x[2] else NA)

这种方式需要处理结果索引，对于多元素向量要加遍历，所以第一种方案会更简洁直接。

内容的提问来源于stack exchange，提问作者Slug Pue