R语言中如何提取文件路径字符串并生成数量可变的文件名列？

我有如下文件路径列表，data文件夹下的子文件夹以ID命名，每个子文件夹包含数据文件：

library(dplyr)
library(stringr)
library(tidyr)

paths <- c(
  "data/A101/usage.xlsx",
  "data/A101/cost.xls",
  "data/A101/A101 cost-1.csv",
  "data/B202/B202 data.csv",
  "data/B202/cost1.xlsx",
  "data/C303/usage1.xls",
  "data/D404/cost1.csv",
  "data/D404/D404 data1.xlsx",
  "data/E/E data1.csv"
)

我希望创建如下格式的数据框：site_id列来自子文件夹名称，file_name_1至file_name_n列存储每个文件夹中提取的文件名（file_name_1存储每个站点的第一个文件名，file_name_2存储第二个，以此类推）。目标数据框示例：

df <- data.frame(
  site_id = unique(str_extract(paths, "[A-D]\\d+|E")),
  file_name_1 = c("usage.xlsx", "B202 data.csv", "usage1.xls", "cost1.csv", "data1.csv"),
  file_name_2 = c("cost.xls", "cost1.xlsx", NA, "D404 data1.xlsx", NA),
  file_name_3 = c("A101 cost-1.csv", NA, NA, NA, NA)
)

我尝试了以下代码，但结果仅生成一列，文件名被合并为向量，请问哪里出错了？

test <- data.frame(
  site_id = str_extract(paths, "[A-D]\\d+|E"),
  file_name = str_extract(paths, "[^\\/]+$")
  ) %>%
  gather(key=key, value=value, -site_id) %>% 
  pivot_wider(
    id_cols = "site_id",
    names_from = key,
    values_from = value,
    names_glue = "{key}_{seq_along({key})}",
    values_fn = list
  )
View(test)

你的代码问题出在这两点：

• 多余的gather操作：初始数据已经是site_id对应单个文件名的长格式，gather会把file_name列转成键值对，破坏了原有每行对应一个文件名的结构。
• 序号生成逻辑错误：names_glue里的seq_along({key})是对整个key列生成全局序列，而非按site_id分组生成每个站点内的文件名序号；加上values_fn = list会把同一站点的文件名打包成向量，最终导致仅生成一列。

正确思路是先按site_id分组，给每个站点内的文件名添加专属序号，再转成宽格式：

test <- data.frame(
  site_id = str_extract(paths, "[A-D]\\d+|E"),
  file_name = str_extract(paths, "[^\\/]+$")
) %>%
  group_by(site_id) %>%
  mutate(file_num = paste0("file_name_", row_number())) %>%
  ungroup() %>%
  pivot_wider(
    id_cols = site_id,
    names_from = file_num,
    values_from = file_name
  )

View(test)

这段代码的逻辑：

1. 提取site_id和每个文件的file_name，得到基础长格式数据框。
2. 按site_id分组，用row_number()给每个站点下的文件名生成1、2、3...的序号，拼接成file_name_1、file_name_2这样的列名。
3. 用pivot_wider将长格式转成宽格式，没有文件名的位置自动填充NA，完全匹配目标格式。

内容的提问来源于stack exchange，提问作者nightstand