在R中从SQL序列化字符串提取字段并拆分列的问题

你的问题出在gregexpr('"', information)[[1]]只取了整个向量的第一个元素的引号位置，后续行都复用了这个位置，导致截取错误。以下是三种可行的解决方法：

方法1：正则表达式提取（最简单） #

利用stringr包的str_extract结合正向预查正则，直接匹配name字段对应的值：

library(dplyr)
library(stringr)

df <- data.frame(ID = c(1,2,3),
                 information = c("{s:4:\"name\";s:3:\"max\";s:3:\"age\";s:1:\"8\";}",
                                 "{s:4:\"name\";s:5:\"peter\";s:3:\"age\";s:2:\"10\";}",
                                 "{s:4:\"name\";s:4:\"susy\";s:3:\"age\";s:3:\"100\";}") 
                 )

df <- df %>% 
  mutate(name = str_extract(information, '(?<=name";s:\\d:")([^"]+)'))

# 输出结果
df

正则说明：

• (?<=name";s:\\d:")：正向预查，确保目标内容前面是name";s:数字:"的结构
• ([^"]+)：匹配所有非引号字符，即name字段的实际值

方法2：逐行处理引号位置 #

用purrr的map_chr对每一行单独解析引号位置，避免复用第一行的结果：

library(dplyr)
library(purrr)

df <- df %>% 
  mutate(name = map_chr(information, function(x) {
    # 单独获取当前行的所有引号位置
    quote_pos <- gregexpr('"', x)[[1]]
    # 截取第三、第四引号之间的内容
    substring(x, quote_pos[3] + 1, quote_pos[4] - 1)
  }))

# 输出结果
df

方法3：反序列化解析（最可靠） #

你的字符串是PHP序列化格式，用专门的反序列化工具可以直接解析成R列表，再提取字段，适合结构复杂的场景：

# 先安装依赖包（若未安装）
# install.packages("devtools")
# devtools::install_github("hadley/unserializePhp")

library(dplyr)
library(unserializePhp)
library(purrr)

df <- df %>% 
  # 把序列化字符串解析成列表
  mutate(info_list = map(information, unserializePhp),
         # 从列表中提取name字段
         name = map_chr(info_list, ~ .x$name))

# 输出结果
df

内容的提问来源于stack exchange，提问作者saibot