在R中自动化提取非结构化数据集与ID关联的score信息

直接上可落地的代码和步骤，解决你手动指定行号的问题：

步骤1：加载依赖包 #

library(dplyr)
library(tidyr)

步骤2：提取学生ID和有效题目分数 #

假设你的数据框df里有一列（比如叫text_col）存着所有非结构化内容，先过滤出有效行：

# 抓出所有学生ID行，提取ID值
student_ids <- df %>%
  filter(grepl("Student Study ID:", text_col)) %>%
  mutate(ID = trimws(gsub("Student Study ID: ", "", text_col))) %>%
  select(ID)

# 抓出带"Item "的行，同时排除含"..:Error"的错误行，提取itemID和分数
valid_items <- df %>%
  filter(grepl("Item ", text_col) & !grepl("..:Error", text_col)) %>%
  mutate(
    itemID = gsub("(Item \\d+).*", "\\1", text_col),
    score = as.numeric(gsub(".*Score: (\\d+)", "\\1", text_col))
  ) %>%
  select(itemID, score)

步骤3：整理成目标数据框 #

把ID和分数合并，转成宽表，再计算总分：

# 合并数据（如果一个ID对应多组题目，需要根据你的数据加分组逻辑，这里假设一一对应）
final_df <- cbind(student_ids, valid_items) %>%
  pivot_wider(names_from = itemID, values_from = score) %>%
  rowwise() %>%
  mutate(总分 = sum(c_across(starts_with("Item")), na.rm = TRUE)) %>%
  ungroup()

关键说明 #

• 如果你的数据列名不是text_col，直接替换成实际列名就行
• 正则表达式可以根据你实际的文本格式调整，比如如果分数的标注是得分: X，就把gsub里的Score:换成得分:
• trimws是用来去掉ID前后的空格，避免不必要的格式问题
• na.rm=TRUE是为了处理某些题目没有分数的情况，计算总分时自动忽略缺失值

内容的提问来源于stack exchange，提问作者amisos55