使用正则表达式将单列字符串拆分为三列的技术问题

问题分析 #

需要将单列字符串拆分为三列：

• ID：开头固定24位字母数字组合
• Type：中间可变长度字段，可包含&、空格、/、逗号，不含数字
• Numerical：末尾固定14位数值序列（含小数点）

错误原因 #

你之前的正则存在三个核心问题：

1. 语法错误：.{24) 缺少闭合的 }，导致正则无法解析
2. 中间捕获组 [a-zA-Z]* 仅匹配字母，无法覆盖Type允许的特殊符号，且*无法匹配非空的可变长度内容
3. 末尾捕获组 .{14} 匹配任意字符，未限制为数值类型，可能匹配到无效内容

正确正则与代码 #

使用tidyr::extract函数，搭配精准的正则表达式即可解决：

library(tidyr)

data <- data.frame(
  string=c("c23uij49753dfd3273shdjsh /Animals/Birds/Cardinal 0.873289139232", 
          "91873nc9248jfe08jsdif894 /Animals/Mammals/Felines/Tigers 0.989734823872", 
           "38939137fhjnffnf73nxlppa /Transportation/Automobiles & Vehicles/Ford-Explorer  0.983947399348"))

output <- extract(data, string, into = c('ID', "Type", "Numerical"),
                  regex = "^([A-Za-z0-9]{24})\\s+([^0-9]+?)\\s+([0-9.]{14})$",
                  remove = FALSE)

# 查看拆分结果
print(output)

正则规则说明 #

• ^([A-Za-z0-9]{24})：匹配开头24位字母数字，作为ID列
• \\s+：匹配ID与Type之间的一个或多个空格（兼容多空格分隔场景）
• ([^0-9]+?)：非贪婪匹配所有非数字字符（包含允许的&、/、空格等），作为Type列；非贪婪模式避免将Type末尾的空格纳入
• \\s+：匹配Type与Numerical之间的一个或多个空格
• ([0-9.]{14})：匹配末尾14位由数字和小数点组成的数值，作为Numerical列
• $：匹配字符串结尾，确保正则覆盖整行内容

内容的提问来源于stack exchange，提问作者Ian