矢量化字符串操作比在内存中创建和销毁对象更快（参见下面的基准测试）

创建不需要的向量列表的解决方案往往相对较慢，您可以在这里使用正则表达式替换所有内容，包括最后的-。

sub(pattern = "^.+-", replacement = "", SKU)
# [1] "L"  "XL" "XS" "S"

插入符号（^）是匹配字符串开头的正则表达式metacharacter。匹配除新行之外的任何字符。+表示“匹配前面的字符一次或多次”。.+组合是greedy，表示它将查找从字符串开头到结尾的最长匹配。总而言之，这意味着，从字符串的开头开始匹配，直到并包括最后的-。
sub()函数将x中第一个出现的pattern（在本例中为SKU）替换为replacement（在本例中为空字符串）。
您可以在这里阅读更多关于正则表达式中使用的语法。

基准测试

我以五种方法为基准：
1.底座R sub()。
1.碱基R strsplit() |> sapply()。
1.基础R strsplit() |> vapply()。

1. stringr::str_split_i() .
2. stringr::str_split() |> vapply(\(x) tail(x, 1), character(1)) .
   1.基本R后视：regmatches(gregexpr() .
3. stringr::str_extract()后视。
   我将向量从10重复到1e5多次。sub()始终是最快的方法，具有最少的垃圾收集（gc），即最少的内存分配。
   base::strsplit()和stringr::str_split()之间没有太大的区别。sapply看起来与vapply()没有区别。stringr::str_split_i()比其他分割向量的方法更快，并且具有更少的垃圾收集，但不如sub()快。
   带lookbehind的stringr::str_extract()几乎和sub()一样快，而在带regmatches(gregexpr())的base R中使用相同的模式要慢得多（可能是因为它返回一个列表）。

生成绘图的代码

results <- bench::press(
    rep_num = rep_nums,
    {
        x <- rep(SKU, rep_num)
        bench::mark(
            min_iterations = 10,
            sub = {
                sub("^.+-", "", x)
            },
            strsplit_base_sapply = {
                strsplit(x, "-") |>
                    sapply(tail, 1)
            },
            strsplit_base_vapply = {
                strsplit(x, "-") |>
                    vapply(\(x) tail(x, 1), character(1))
            },
            str_split_i = {
                str_split_i(x, "-", -1)
            },
            str_split_vapply = {
                str_split(x, "-") |>
                    vapply(\(x) tail(x, 1), character(1))
            },
            base_r_lookbehind = {
                regmatches(
                    x,
                    gregexpr("(?<=-)[^-]+$", x, perl = TRUE)
                ) |> unlist()
            },
            stringr_lookbehind = {
                str_extract(x, "(?<=-)[^-]+$")
            }
        )
    }
)
library(ggplot2)
autoplot(results) +
    theme_bw() +
    facet_wrap(vars(rep_num), scales = "free_x")

您可以将str_split_i与i = -1一起使用来获取最后一部分：

library(stringr) #1.5.0
str_split_i(SKU, "-", -1)
# [1] "L"  "XL" "XS" "S"

为什么不将str_extract与lookbehind (?<=-)一起使用呢？lookbehind (?<=-)是一个否定字符类，不允许使用-字符，最后是最后一个位置锚$：

library(stringr)
str_extract(SKU, "(?<=-)[^-]+$")
[1] "L"  "XL" "XS" "S"