使用gsub拆分含多词的城市与国家字符串问题求助

解决方案 #

你的问题出在原正则仅匹配连续字母，没法处理带空格、连字符的多词内容，且没抓住「下划线是唯一分隔符」的核心逻辑——应该把下划线前的所有内容作为城市，下划线后的所有内容作为国家。

方法1：用sub优化正则 #

sub比gsub更适合此场景，因为每个字符串只有一个分隔下划线，仅需替换一次：

# 示例数据
locations <- c("paris_france", "miami_united states", "new york_united states", "aix-en-provence_france", "auckland_new_zealand")

# 提取城市：匹配开头到第一个下划线的所有内容
city <- sub("^(.*?)_.*$", "\\1", locations)

# 提取国家：匹配最后一个下划线到结尾的所有内容
country <- sub("^.*_(.*)$", "\\1", locations)

方法2：用strsplit分割（更直观） #

直接按下划线分割成两部分，分别取第一、第二个元素，无需正则，更不易出错：

# 分割字符串，fixed=TRUE表示下划线是固定字符，而非正则元字符
split_loc <- strsplit(locations, "_", fixed = TRUE)

city <- sapply(split_loc, `[`, 1)
country <- sapply(split_loc, `[`, 2)

验证结果 #

运行后得到的结果完全符合需求：

• 城市："paris" "miami" "new york" "aix-en-provence" "auckland"
• 国家："france" "united states" "united states" "france" "new_zealand"

内容的提问来源于stack exchange，提问作者Joe