R 使用 tidyr::separate 在最后一个空白字符处拆分字符串

Question

假设我有这样一个数据框：

df<-data.frame(a=c("AA","BB"),b=c("short string","this is the longer string"))

我想根据最后出现的 space 使用正则表达式拆分每个字符串。我试过了：

library(dplyr)
library(tidyr)
df%>%
  separate(b,c("partA","partB"),sep=" [^ ]*$")

但这会忽略输出中字符串的第二部分。我想要的输出如下所示：

   a              partA  partB
1 AA              short string
2 BB this is the longer string

我该怎么做。如果我可以为此使用 tidyr 和 dplyr，那就太好了。

Answer 1

我们可以通过使用捕获组 ((...)) 从 tidyr 使用 extract。我们匹配零个或多个字符（.*）并将其放在括号内（(.*)），然后是零个或多个space（\s+），然后是下一个捕获组仅包含不是 space ([^ ]) 的字符，直到字符串的末尾 ($)。

library(tidyr)
extract(df, b, into = c('partA', 'partB'), '(.*)\s+([^ ]+)$')
#   a              partA  partB
#1 AA              short string
#2 BB this is the longer string

Answer 2

您可以将正则表达式的 [^ ]*$ 部分变成 (?=[^ ]*$) 非消耗模式，positive lookahead（不会消耗末尾的非空白字符字符串，即它们不会被放入匹配值中，因此将保留在输出中）：

df%>%
  separate(b,c("partA","partB"),sep=" (?=[^ ]*$)")

或者，更通用一些，因为它匹配任何空白字符：

df %>%
  separate(b,c("partA","partB"),sep="\s+(?=\S*$)")

参见下面的 regex demo 及其图表：

输出：

   a              partA  partB
1 AA              short string
2 BB this is the longer string

R 使用 tidyr::separate 在最后一个空白字符处拆分字符串

R split string at last whitespace chars using tidyr::separate

regex

r

dplyr

tidyr