求助：如何在R语言中自动拆分含大写州名的拼接字符串

问题分析 #

你用str_extract(text, "[A-Z]+")得到KARNATAKAY而非预期的KARNATAKA，是因为正则[A-Z]+会匹配所有连续的大写字符，把后续单词的首字母大写Y也包含进去了。我们需要精准匹配全大写的州名，限定它后面紧跟的是「首字母大写、其余小写」的单词结构。

解决方案 #

利用正向先行断言来匹配符合条件的州名，再完成拆分：

1. 提取单个州名

library(stringr)

text <- "KARNATAKAYenepoya"
# 匹配连续大写字母，且后面紧跟大写+小写字母（即首字母大写的单词）
state_name <- str_extract(text, "[A-Z]+(?=[A-Z][a-z])")
print(state_name)  # 输出：[1] "KARNATAKA"

2. 拆分完整地点字符串

针对你提供的多中心研究地点数据，批量拆分所有符合模式的州名：

full_text <- "Netra Jyothi Charitable Trust, C/o Prasad Netralaya Super specialty Eye Hospital,KARNATAKAYenepoya Medical College Hospital,KARNATAKA"
# 全局替换，在匹配到的州名后添加空格分隔
formatted_text <- str_replace_all(full_text, "([A-Z]+)(?=[A-Z][a-z])", "\\1 ")
print(formatted_text)

输出结果：

[1] "Netra Jyothi Charitable Trust, C/o Prasad Netralaya Super specialty Eye Hospital,KARNATAKA Yenepoya Medical College Hospital,KARNATAKA"

正则说明 #

• [A-Z]+：匹配一个或多个连续大写字母（州名部分）
• (?=[A-Z][a-z])：正向先行断言，确保匹配的大写序列后面必须紧跟大写字母+小写字母，以此区分州名和后续单词的首字母，避免误匹配。

内容的提问来源于stack exchange，提问作者Oindrila Roy Chowdhury