使用strsplit函数按"|"分割字符串失效的问题排查

这个问题是R里正则表达式使用的常见陷阱，我来给你拆解清楚：

问题根源 #

strsplit()函数的split参数默认是正则表达式模式，而|在正则里是特殊的元字符，代表“逻辑或”的含义。当你直接传入"|"时，它会被解析成“匹配任意单个字符”，所以自然就把字符串里的每一个字符（包括|本身）都单独拆分出来了，这就是你看到奇怪输出的原因。

两种解决方案 #

方案1：转义正则元字符

在R中，要转义正则里的特殊字符，需要用双反斜杠\\（因为单个反斜杠在R字符串里是转义符，要表示一个实际的反斜杠需要写两个）。修改后的命令如下：

strsplit(df$var, "\\|")

方案2：使用fixed=TRUE参数

如果你不想纠结正则转义，可以直接告诉strsplit()把split的内容当作普通字符串处理，不用解析成正则。只需要添加fixed=TRUE参数：

strsplit(df$var, "|", fixed=TRUE)

示例验证 #

我们用一个简单的测试字符串来验证效果：

test_str <- "test_intro|test_wm02|test_wf06"

# 错误用法的输出
strsplit(test_str, "|")
# 结果：每个字符被单独拆分
# [[1]]
#  [1] "t" "e" "s" "t" "_" "i" "n" "t" "r" "o" "|" "t" "e" "s" "t" "_" "w" "m" "0" "2" "|" "t" "e" "s" "t" "_" "w" "f" "0" "6"

# 正确用法1的输出
strsplit(test_str, "\\|")
# 结果：按"|"拆分出目标子串
# [[1]]
# [1] "test_intro" "test_wm02"  "test_wf06" 

# 正确用法2的输出
strsplit(test_str, "|", fixed=TRUE)
# 结果和上面完全一致

内容的提问来源于stack exchange，提问作者ravman