使用tidyr::separate结合负向回顾断言分割字段并保留分隔符的问题

需求是用tidyr::separate函数分割姓名字段，需要同时处理两种情况：空格分隔的姓名（如"Another Person"）和连写的大小写拼接姓名（如"HarlanNelson"），且分割后要保留姓氏的首字母，但当前实现存在两个问题：一是连写姓名分割后丢失姓氏首字母；二是无法同时适配两种分隔规则。

尝试1：仅处理连写姓名的情况 #

tidyr::tibble(myname = c("HarlanNelson")) |>  
  tidyr::separate(col = myname, into = c("first", "last"), sep = "(?<!^)[[:upper:]]")

输出结果：

#> # A tibble: 1 × 2
#>   first  last 
#>   <chr>  <chr>
#> 1 Harlan elson

问题：姓氏首字母"N"被当作分隔符移除，得到的姓氏是elson而非Nelson。

尝试2：同时传入空格和大写字母两种分隔规则 #

tidyr::tibble(myname = c("HarlanNelson", "Another Person")) |>  
  tidyr::separate(col = myname, into = c("first", "last"), sep = c(" ", "(?<!^)[[:upper:]]"))

输出结果：

#> Warning in gregexpr(pattern, x, perl = TRUE): argument 'pattern' has length > 1
#> and only the first element will be used
#> Warning: Expected 2 pieces. Missing pieces filled with `NA` in 1 rows [1].
#> # A tibble: 2 × 2
#>   first        last  
#>   <chr>        <chr> 
#> 1 HarlanNelson <NA>  
#> 2 Another      Person

问题：sep参数不支持传入多模式列表，只会使用第一个空格规则，导致连写姓名无法分割。

尝试3：加入全小写空格分隔的姓名 #

tidyr::tibble(myname = c("HarlanNelson", "Another Person", "someone else")) |>  
  tidyr::separate(col = myname, into = c("first", "last"), sep = c(" ", "(?<!^)[[:upper:]]"))

输出结果：

#> Warning in gregexpr(pattern, x, perl = TRUE): argument 'pattern' has length > 1
#> and only the first element will be used
#> Warning: Expected 2 pieces. Missing pieces filled with `NA` in 1 rows [1].
#> # A tibble: 3 × 2
#>   first        last  
#>   <chr>        <chr> 
#> 1 HarlanNelson <NA>  
#> 2 Another      Person
#> 3 someone      else

问题：和尝试2一致，连写姓名仍未被正确分割。

解决方案 #

要保留分隔符（即连写姓名的大写首字母），不能把大写字母本身作为分隔符，而是要用零宽断言匹配分割位置；同时通过|合并两种分隔规则，实现同时适配空格和连写姓名的场景。

正则逻辑说明 #

• (?=\\s)：匹配空格前的位置，分割空格前后的内容
• (?<=[[:lower:]])(?=[[:upper:]])：匹配小写字母后跟大写字母的间隙，即连写姓名的分割点，不会消耗大写字母，因此能保留姓氏首字母

代码实现 #

tidyr::tibble(myname = c("HarlanNelson", "Another Person", "someone else")) |>  
  tidyr::separate(col = myname, into = c("first", "last"), sep = "(?=\\s)|(?<=[[:lower:]])(?=[[:upper:]])")

输出结果：

#> # A tibble: 3 × 2
#>   first  last  
#>   <chr>  <chr> 
#> 1 Harlan Nelson
#> 2 Another Person
#> 3 someone else

内容的提问来源于stack exchange，提问作者Harlan Nelson