在R中基于多规则拆分无简单分隔符的字符串

可以用tidyverse里的stringr和tidyr工具组合实现，步骤如下：

假设你的原始数据是一个单列的data.frame/tibble，列名为raw_data，先模拟示例数据：

library(tidyverse)

# 模拟原始单列数据
df <- tibble(raw_data = "Jacoby BrissettO 206.5-115U 206.5-115Joe BurrowO 243.5-115U 243.5-155")

步骤1：拆分每个球员的独立信息块 #

利用球员名字首字母大写的规律，用正则正向预查定位分割点，把长字符串拆成单个球员的信息片段：

df_split <- df %>%
  mutate(player_blocks = str_split(raw_data, "(?=[A-Z][a-z]+)")) %>%
  unnest(player_blocks)

这里的正则(?=[A-Z][a-z]+)是正向预查，匹配"后面跟着大写字母+小写字母"的位置——刚好对应新球员名字的开头，以此分割出每个球员的完整信息块。

步骤2：提取名字和O/U线数值 #

对每个球员块，分别提取目标字段：

result <- df_split %>%
  # 提取名字：匹配到"O"之前的所有内容
  mutate(Name = str_extract(player_blocks, "^.*?(?=O)"),
         # 提取O线数值：匹配"O "后面的浮点数
         `O/U Line` = str_extract(player_blocks, "(?<=O )\\d+\\.\\d")) %>%
  # 过滤空行（防止分割出无效片段）
  filter(!is.na(Name) & !is.na(`O/U Line`)) %>%
  select(Name, `O/U Line`)

运行后得到的result就是你需要的表格：

关键正则说明 #

• ^.*?(?=O)：从字符串开头匹配，直到遇到"O"为止（不包含O），非贪婪模式避免匹配过多内容。
• (?<=O )\\d+\\.\\d：正向后顾匹配"O "，提取后面的浮点数，确保取的是O对应的数值而非U的。

内容的提问来源于stack exchange，提问作者mankiwsmom