在R中使用separate_wider_regex拆分半结构化数据为多行多列

我有一个数据框，其中的comment列包含不同研究站点多个区域的物种存在情况的半结构化信息，典型数据格式如下：

说明：

• 并非所有5个区域都会被列出，未列出代表该区域未发现对应物种
• Zone 1常缺失，Zone 4几乎都会存在，匹配组长度不均

我希望使用Tidyverse工具拆分comment列，得到包含Site、Zone、Species的多行数据，最终格式如下：

后续可以通过pivot_wider将每个区域转为单独列。我尝试过用正则表达式"[1-4][ab]?[:]?"匹配区域，用".+?(?=[1-4][ab]?:)|(.*)"匹配物种，但未成功。以下是我的样本数据：

library(tidyr)

sample_df <- structure(list(site = 1:2, comment = c("2a: species A, species B 2b: species A, species C 3: species C, species D 4: species A, species B, species C", 
"2a: species A, species B, species D 2b: species B 3: species C 4: species C, species D, species E"
)), row.names = c(NA, -2L), class = c("tbl_df", "tbl", "data.frame"
))

可以结合字符串拆分、行展开和正则拆分实现需求，具体代码如下：

library(tidyverse)

sample_df %>%
  # 按区域块拆分comment，正则正向预查匹配区域标识的开头
  mutate(zone_block = str_split(comment, "(?=\\d[ab]?:)")) %>%
  # 将拆分后的区域块展开为单独行
  unnest(zone_block) %>%
  # 拆分每个区域块中的Zone和Species信息
  separate_wider_regex(zone_block, patterns = list(
    Zone = "\\d[ab]?",
    colon = ": ",
    Species = ".*"
  )) %>%
  # 移除无用的colon列，整理Species列的空格
  select(-colon) %>%
  mutate(Species = str_trim(Species))

代码说明：

1. str_split(comment, "(?=\\d[ab]?:)")：用正向预查正则，把comment拆分成以数字/字母:开头的独立区域块，比如"2a: species A..."这类片段
2. unnest(zone_block)：将每个站点的多个区域块展开为单独行，实现一行转多行
3. separate_wider_regex：精准拆分每个区域块，提取Zone（数字加可选的ab后缀）、冒号分隔符，剩下的内容即为Species
4. 最后清理无用列和字符串空格，得到目标格式的数据

如果需要将区域转为单独列，在上述代码后追加：

%>% pivot_wider(names_from = Zone, values_from = Species)

内容的提问来源于stack exchange，提问作者Nick