如何用tidyr包的separate_longer_delim()拆分带引号字符串为多行

注意事项 #

原始数据中002的Outcome字符串存在语法错误（Mild pain前缺失双引号），需先修正才能正常处理。

完整处理代码 #

library(tidyr)
library(stringr)

# 修正数据构造代码，补全缺失的双引号
subject <- c('001', '002')
outcome <- c('["Rubbing of nose or ears","Itching of the mouth, tongue, throat","Mild pain","Eye itching"]', 
             '["Itchy Tongue", "Mild pain","Eye irritation"]')
dta <- data.frame(subject, outcome)

# 清理字符串：移除首尾方括号，删除所有双引号
dta_clean <- dta %>%
  mutate(
    outcome = str_remove_all(outcome, "^\\[|\\]$"),
    outcome = str_remove_all(outcome, '"')
  )

# 按", "分隔字符串并拆分为多行
result <- dta_clean %>%
  separate_longer_delim(outcome, delim = ", ")

# 输出结果
print(result)

处理后结果 #

步骤说明 #

1. 修正数据错误：补全002的Outcome字符串中缺失的双引号，避免后续字符串解析异常。
2. 字符串清理：用str_remove_all移除首尾的方括号和所有双引号，将格式混乱的字符串转换为标准的, 分隔文本。
3. 拆分多行：使用separate_longer_delim指定分隔符为", "，确保不会误拆分元素内部的逗号（如mouth, tongue中的逗号），将每个结果拆分为单独行。

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