如何将变量中的字符串拆分并精准映射到对应新变量？

问题背景 #

有一个字符型变量df$Specs，示例格式为：chr [1:28752] "4 GB RAM | 64 GB ROM | ExpandableUpto256GB"，目标是创建RAM、ROM、ExpandableUpto三个新变量，分别提取对应内容，后续转换为数值型并统一为GB单位。

之前采用拆分字符串后按位置填充的方法，因部分行的Specs只有1或2个条目，导致内容错位（比如ROM内容跑到RAM列），需要实现仅提取含对应关键词的内容，避免位置填充的误差。

解决方案 #

直接使用stringr::str_extract基于关键词匹配提取内容，无需先拆分再合并，彻底解决错位问题：

1. 提取对应参数内容 #

library(dplyr)
library(stringr)

# 基于关键词匹配提取各参数
Mobile_phones_clean <- Mobile_phones6 %>%
  mutate(
    # 匹配包含RAM的参数段，兼容带/不带空格的格式
    RAM = str_extract(Specs, "\\d+\\s*GB\\s*RAM"),
    # 匹配包含ROM的参数段
    ROM = str_extract(Specs, "\\d+\\s*GB\\s*ROM"),
    # 匹配ExpandableUpto的参数段，兼容带/不带GB后缀的格式
    ExpandableUpto = str_extract(Specs, "ExpandableUpto\\d+GB?")
  )

2. 转换为数值型（可选） #

如果需要将提取的内容转为纯数值（方便后续分析），可以进一步处理：

Mobile_phones_clean <- Mobile_phones_clean %>%
  mutate(
    # 移除所有非数字字符，转为数值
    RAM_num = as.numeric(str_remove_all(RAM, "\\D")),
    ROM_num = as.numeric(str_remove_all(ROM, "\\D")),
    ExpandableUpto_num = as.numeric(str_remove_all(ExpandableUpto, "\\D"))
  )

方案优势 #

• 不受参数条目数量影响：如果某行缺少ROM参数，ROM列会返回NA，不会用其他参数填充
• 不受参数顺序影响：即使Specs中参数顺序打乱（比如ROM在前RAM在后），依然能精准提取对应内容
• 兼容格式差异：正则表达式兼容参数中带/不带空格的情况（比如4GBRAM或4 GB RAM都能匹配）

内容的提问来源于stack exchange，提问作者Benjamin