使用tidyr的extract函数结合正则拆分数据列问题求助

我来帮你搞定这个问题～你的代码无法正常运行的核心原因是正则表达式的字符组写法错误——你用了[[a-zA-Z0-9]]这种双重方括号格式，而正则里定义字符组只需要单层方括号[a-zA-Z0-9]，双重方括号会被识别为无效语法，导致正则无法匹配目标字符串。

修正后的代码 #

library(tidyr)
library(dplyr)

df = data.frame(x=c(NA, "xxdsa[1,d]", "x[a,3]", "x2[a,d]", "x4[a,4]"))

df %>% 
  tidyr::extract(
    x, 
    into = c("A", "B","C"), 
    regex = "([a-zA-Z0-9]+)\\[([a-zA-Z0-9]+)\\,([a-zA-Z0-9]+)\\]"
  )

运行结果 #

A    B    C
1  <NA> <NA> <NA>
2 xxdsa    1    d
3     x    a    3
4    x2    a    d
5    x4    a    4

正则表达式拆解解释 #

修正后的正则每部分作用如下：

• ([a-zA-Z0-9]+)：捕获方括号前的字母数字组合（对应列A），+表示匹配1次或多次
• \\[：匹配左方括号[，因为[是正则特殊字符，R中需要用双反斜杠转义
• ([a-zA-Z0-9]+)：捕获逗号前的字母数字组合（对应列B）
• \\,：匹配逗号,（逗号不是正则特殊字符，转义或不转义都能正常工作）
• ([a-zA-Z0-9]+)：捕获右方括号前的字母数字组合（对应列C）
• \\]：匹配右方括号]，同样需要转义处理

额外优化建议 #

如果你的字符串中可能包含下划线这类常见标识符字符，可以把[a-zA-Z0-9]替换为\\w（\\w等价于[a-zA-Z0-9_]），让正则更通用：

df %>% 
  tidyr::extract(
    x, 
    into = c("A", "B","C"), 
    regex = "(\\w+)\\[(\\w+)\\,(\\w+)\\]"
  )

内容的提问来源于stack exchange，提问作者Anthony