str_split仅返回半段字符串？如何用单次str_split拆分tibble中英文列

嘿，我来帮你搞定这个中英文拆分的问题！

你之前的代码之所以会出现“仅返回半段字符串”的情况，是因为你用str_split时把其中一类字符当成了分隔符——比如用[^A-Za-z]+拆分时，会把中文当成分隔符，拆分后就会多出空字符串；反过来用[A-Za-z]+拆分则会把英文当成分隔符，同样产生空值，所以需要手动取对应列，既麻烦又冗余。

要实现“一行拆分出两列”的需求，我们可以利用零宽断言正则，精准定位英文和中文之间的分界点，这样拆分时不会破坏原有的字符内容，直接得到干净的两列：

library(tibble)
library(stringr)

# 构造示例数据
tb <- tibble(x = c("I我", "love愛", "you你"))

# 一行拆分+转列搞定
tb %>%
  transmute(
    EN = str_split_fixed(x, "(?<=[A-Za-z])(?=[\u4e00-\u9fa5])", n = 2)[,1],
    CH = str_split_fixed(x, "(?<=[A-Za-z])(?=[\u4e00-\u9fa5])", n = 2)[,2]
  )

运行后就能得到你想要的结果：

# A tibble: 3 × 2
  EN    CH  
  <chr> <chr>
1 I     我   
2 love  愛   
3 you   你   

正则说明 #

(?<=[A-Za-z])(?=[\u4e00-\u9fa5])是一个零宽断言组合：

• (?<=[A-Za-z])：正向回顾断言，确保当前位置前面是英文字母
• (?=[\u4e00-\u9fa5])：正向展望断言，确保当前位置后面是中文字符（\u4e00-\u9fa5是中文汉字的Unicode编码范围）

这个正则会精准匹配英文和中文之间的“缝隙”，用它作为分隔符拆分，就不会把任何字符当成分隔符丢弃，自然能直接得到完整的英文和中文内容。

如果你的字符串可能出现中文在前、英文在后的情况，只需把正则改成双向匹配即可：

"(?<=[\u4e00-\u9fa5])(?=[A-Za-z])|(?<=[A-Za-z])(?=[\u4e00-\u9fa5])"

内容的提问来源于stack exchange，提问作者WOT