所以我在数据框中有一个包含这样的名称的列：
colnames <- c("YouAreHappy","YouAreHappy1", "YouAreHappy2", "NiceSmiles", "NiceSmiles1", "NiceSmiles2")
我正在尝试使用stringr的{{1}}函数来提取名称的特定部分，例如“ Happy”，“ Happy1”，“ Happy2”，“ Smiles”， “ Smiles1”和“ Smiles2”。
我尝试将regex与`str_extract'一起使用，如下所示：
str_extract但是我要提取：
> str_extract(colnames, regex("Happy|Happy1|Happy2|Smiles|Smiles1|Smiles2"))
[1] "Happy" "Happy" "Happy" "Smiles" "Smiles" "Smiles"
我显然正在解决此错误，但是我不知道在哪里以及如何做。我知道[1] "Happy" "Happy1" "Happy2" "Smiles" "Smiles1" "Smiles2"
暗示着|，但我对正则表达式的了解还不足以规避这一障碍。我是正则表达式之类的新手（刚刚发现regular expressions 101），因此希望使用任何指针。
答案 0 :(得分：2)
使用Happy|Happy1|Happy2|Smiles|Smiles1|Smiles2模式时，请记住，与“ wins”匹配的第一个备选方案和ICU regex引擎（用于 stringr ）并不考虑以下备选方案。请注意，您的正则表达式中的几种替代方法可能在同一位置匹配，较短的替代方法排在较长的替代方法之前。这就是为什么结果不符合预期的原因。参见Remember That The Regex Engine Is Eager。
确实，TRE regex引擎的工作原理有所不同。 regmatches(colnames, gregexpr("Happy|Happy1|Happy2|Smiles|Smiles1|Smiles2", colnames))将为您带来预期的匹配，因为它是文本导向的正则表达式引擎，是匹配时间最长的替代“ wins”。参见Text-Directed Engine Returns the Longest Match。
但是，您可以只使用
"(Smiles|Happy)\\d*"
以获得相同的输出。确保备选方案在字符串中的同一位置不匹配，这是最佳做法。 (Smiles|Happy)\d*匹配Smiles或Happy，然后匹配0个或多个数字。