R语言：如何用正则拆分字符串中文本与末尾数字至数据框两列？

给定包含文本（单词、空格）和数字（整数、小数）的字符串列，需要将其拆分为两列：A列存储文本部分，B列存储数字部分。现有示例数据如下：

require(tidyr)
df <- data.frame(x = c("This is text0", "This is a bit more text 0.01", "Even more text12.231"))

当前代码已能捕获B列的数字，但无法正确提取A列的文本：

df |> 
  extract(x, c("A", "B"), "()(\\d+\\.*\\d*)")
#   A      B
# 1    0
# 2    0.01
# 3    12.231

解决方案 #

调整正则表达式，第一组使用非贪婪匹配捕获数字前的所有文本内容，修正后的代码如下：

df |> 
  extract(x, c("A", "B"), "^(.*?)(\\d+\\.*\\d*)$")
#                     A      B
# 1        This is text      0
# 2 This is a bit more text  0.01
# 3       Even more text 12.231

正则说明：

• ^(.*?)：从字符串开头开始，非贪婪匹配所有字符（直到遇到后续的数字），对应A列的文本部分
• (\\d+\\.*\\d*)：匹配整数或小数格式的数字，对应B列的数字部分
• $：匹配字符串结尾，确保捕获到最后一组数字

内容的提问来源于stack exchange，提问作者Stefan