R语言：如何按最后一个‘数字_’分割数据框COL1列内容？

你的需求是把COL1列的字符串按最后一个下划线后跟数字的位置拆分，得到前半部分和末尾的数字列。之前的正则表达式问题出在没有正确定位到目标分割点，而且正则语法有误，我来给你几个靠谱的实现方法：

方法一：基础R（用sub直接提取，高效简洁） #

这是最直接的方式，不需要拆分列表，直接通过正则匹配提取目标内容：

# 先构造示例数据框
df <- data.frame(COL1 = c("SEQ_1.1_0", "SEQ2.2_2", "AB_1_2.3_3", "ACC.3_3"))

# 提取前半部分：去掉最后一个下划线及后面的数字
df$COL1_new <- sub("_[0-9]+$", "", as.character(df$COL1))
# 提取末尾数字：捕获最后一个下划线后的所有数字
df$COL2 <- sub(".*_([0-9]+)$", "\\1", as.character(df$COL1))

运行后你的数据框会变成：

COL1     COL1_new COL2
1  SEQ_1.1_0     SEQ_1.1    0
2   SEQ2.2_2      SEQ2.2    2
3 AB_1_2.3_3 AB_1_2.3    3
4    ACC.3_3       ACC.3    3

正则解释： #

• _[0-9]+$：匹配字符串末尾的下划线+1个或多个数字，用sub替换为空就得到前半部分。
• .*_([0-9]+)$：.*会尽可能匹配到最后一个下划线（贪心匹配），([0-9]+)捕获后面的数字，\\1调用捕获到的内容就是末尾的数字。

方法二：用strsplit拆分（适合需要保留拆分列表的场景） #

如果一定要用strsplit，需要用正向预查来定位最后一个分割点，同时开启perl=TRUE支持高级正则：

split_list <- strsplit(as.character(df$COL1), "_(?=[0-9]+$)", perl = TRUE)
df$COL1_new <- sapply(split_list, `[`, 1)
df$COL2 <- sapply(split_list, `[`, 2)

正则解释： #

_(?=[0-9]+$)是正向预查：匹配下划线，但要求下划线后面必须紧跟到字符串结尾的数字，这样只会在最后一个符合条件的下划线位置拆分，不会影响前面的下划线。

方法三：tidyverse风格（更直观的语法） #

如果你习惯用tidyverse工具链，stringr包的函数会更易懂：

library(stringr)
library(dplyr)

df <- df %>%
  mutate(COL1_new = str_remove(COL1, "_[0-9]+$"),
         COL2 = str_extract(COL1, "[0-9]+$"))

• str_remove：直接移除末尾的下划线+数字部分
• str_extract：提取字符串末尾的所有数字

为什么你的原代码不对？ #

你用的正则*.[0-9]_有两个问题：

1. *是正则元字符（表示匹配0次或多次），如果要匹配字面量*需要转义成\\*，但你的需求里根本不需要匹配*；
2. 这个正则会匹配任意字符（.）+数字+下划线，会命中字符串中间的类似1.1_的部分，而不是最后一个分割点，所以拆分结果不符合预期。

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