如何用data.table高效按首个分隔符拆分字符串？

现有如下结构的data.table数据：

require(data.table)
dt = data.table(c('string1: val1', 'gnistr2: val2', 'ingstr3: :::!val3', 'gtrins4: val4'))

原始表格输出：

V1
1:     string1: val1
2:     gnistr2: val2
3: ingstr3: :::!val3
4:     gtrins4: val4

目标是仅按首个分隔符:拆分V1列，得到N×2的表格，要求保留值部分的所有分隔符（比如第三行的:::!val3需完整保留）。

已基于stringi库的stri_split_fixed(n=2)实现可行方案，但认为dcast操作存在不必要开销，希望优化效率：

require(stringi)
dt1 = dt[, .(val = unlist(stri_split_fixed(V1, ':', n=2))), .(r = seq_along(V1))]
dt1[, var := paste0('COL', 1:.N), r]
dt1 = dcast(dt1, r ~ var, value.var = 'val')[, .(COL1, COL2)]

期望输出：

COL1      COL2
1: string1      val1
2: gnistr2      val2
3: ingstr3  :::!val3
4: gtrins4      val4

当前有两个优化需求：

1. 如何高效将以下列表列结构的dt2转换为上述期望输出？

dt2 = dt[, .(listcol = stri_split_fixed(V1, ':', n=2)), .(r = seq_along(V1))][, .(listcol)]

dt2的内部结构：

> dt2[[1]]
[[1]]
[1] "string1" " val1"  

[[2]]
[1] "gnistr2" " val2"  

[[3]]
[1] "ingstr3"   " :::!val3"

[[4]]
[1] "gtrins4" " val4"  

2. 是否存在无需列表列的更快捷方法？

一、直接处理列表列dt2的高效方法 #

利用data.table的列表列特性，跳过dcast直接拆分出目标列：

# 方法1：用sapply提取列表元素
dt_result = dt2[, .(COL1 = sapply(listcol, `[`, 1),
                    COL2 = sapply(listcol, `[`, 2))]

# 方法2：用rbind直接展开列表
dt_result = dt2[, do.call(rbind, listcol)]
setnames(dt_result, c("COL1", "COL2"))

两种方法都能快速将列表列转换为两列表格，避免dcast的额外开销。

二、无需列表列的更快捷方法 #

方法1：用data.table内置tstrsplit指定拆分次数 #

tstrsplit原生支持n参数限制拆分次数，直接按首个:拆分：

dt[, c("COL1", "COL2") := tstrsplit(V1, ":", fixed = TRUE, n = 2)]
# 可选：去除COL2开头的空格（按需处理）
dt[, COL2 := trimws(COL2)]
dt[, .(COL1, COL2)]

fixed=TRUE确保按固定字符串拆分而非正则，n=2保证仅拆分一次，完美保留值部分的所有分隔符。

方法2：用stringi直接拆分并赋值 #

无需生成中间列表列，直接在原表上添加目标列：

require(stringi)
# 简洁写法
dt[, temp := stri_split_fixed(V1, ":", n=2)][, 
  c("COL1", "COL2") := .(sapply(temp, `[`, 1), sapply(temp, `[`, 2))][, temp := NULL]

方法3：正则表达式匹配 #

无需额外依赖库，用非贪婪匹配定位首个:：

dt[, c("COL1", "COL2") := .(sub("^(.*?):.*", "\\1", V1),
                            sub("^.*?:(.*)", "\\1", V1))]
dt[, COL2 := trimws(COL2)]
dt[, .(COL1, COL2)]

.*?的非贪婪特性确保只匹配到首个:为止，精准拆分目标内容。

内容的提问来源于stack exchange，提问作者JDG