使用tidyr::separate_wider_regex拆分字符串遇问题，求修正正则

原始数据 #

需要处理的R语言数据如下：

id <- c("case1", "case19", "case88", "case77")
vec <- c("One_20 (19)",
         "tWo_20 (290)",
         "Three_38 (399)",
         NA)

df <- data.frame(id, vec)

当前尝试的代码 #

使用tidyr::separate_wider_regex拆分vec列，但结果不符合预期：

df |> tidyr::separate_wider_regex(vec, 
                                   c(txt = "[A-Za-z]+", num = "\\d+"),
                                   too_few = "align_start")

期望输出 #

希望得到如下拆分结果：

id      txt num
1  case1   One_20  19
2 case19   tWo_20 290
3 case88 Three_38 399
4 case77     <NA>  NA

修正方案 #

原正则表达式的问题在于[A-Za-z]+仅匹配纯字母，无法覆盖One_20这类包含下划线、数字的文本部分。调整正则规则，完整匹配文本和括号内的数字：

df |> tidyr::separate_wider_regex(vec, 
                                   c(
                                     txt = "[A-Za-z0-9_]+",  # 匹配字母、数字、下划线组成的文本
                                     "\\s*\\(",              # 匹配括号前的空格和左括号
                                     num = "\\d+",           # 匹配括号内的数字
                                     "\\)"                   # 匹配右括号
                                   ),
                                   too_few = "align_start")

说明 #

• txt部分的正则[A-Za-z0-9_]+可以完整捕获One_20、tWo_20这类包含字母、数字、下划线的内容；
• 补充\\s*\\(和\\)来匹配字符串中的括号结构，确保正确定位括号内的数字作为num列；
• 保留too_few = "align_start"参数，保证NA值的行能生成对应的NA结果。

内容的提问来源于stack exchange，提问作者JontroPothon