如何使用R语言separate函数拆分全大写姓氏与常规姓名

直接用tidyr的separate函数配合正则表达式就能精准拆分，核心是定位姓氏（全大写）和名字（首字母大写+小写）之间的分界空格。

完整代码示例 #

# 加载所需包
library(tidyr)
library(tibble)

# 原始姓名列表
my_column_of_names <- c("DI VICENZO John", "SMITH Anne Marie", "O'ROURKE Paddy", "MARTIN-JONES Jim Rae")

# 转换为数据框便于处理
names_df <- tibble(full_name = my_column_of_names)

# 拆分姓氏和名字
names_df_separated <- names_df %>%
  separate(
    col = full_name,
    into = c("surname", "given_name"),
    sep = "(?<=[A-Z]) (?=[A-Z][a-z])",
    remove = FALSE  # 可选参数，保留原全名列方便核对
  )

# 查看结果
print(names_df_separated)

输出结果 #

# # A tibble: 4 × 3
#   full_name           surname      given_name
#   <chr>               <chr>        <chr>
# 1 DI VICENZO John     DI VICENZO   John
# 2 SMITH Anne Marie    SMITH        Anne Marie
# 3 O'ROURKE Paddy      O'ROURKE     Paddy
# 4 MARTIN-JONES Jim Rae MARTIN-JONES Jim Rae

正则表达式解释 #

拆分用的正则(?<=[A-Z]) (?=[A-Z][a-z])逻辑清晰：

• (?<=[A-Z])：反向预查，确保空格前是大写字母（姓氏的最后一个字符）
• ：匹配姓氏和名字之间的分界空格
• (?=[A-Z][a-z])：正向预查，确保空格后是「大写字母+小写字母」（名字的开头格式，符合常规大小写规则）

这个规则能兼容带空格、撇号、连字符的特殊姓氏，只要姓氏是全大写、名字是首字母大写的常规格式，就能准确拆分。

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