R语言按文本模式拆分服饰属性列 提取Size/Colors/Sold By字段

针对服饰属性列存在字段缺失、连接符（冒号/短横线）混用的场景，直接用stringr的正则匹配即可实现稳定拆分，不需要复杂的循环或长段逻辑。

核心匹配规则 #

完全贴合需求设计提取逻辑，自动兼容格式差异：

• Size列：仅提取Size标识后的2位尺码编码，无Size字段的行自动返回NA
• Colors列：提取Colours标识后到下一个逗号前的完整颜色值，自动去除前后多余空格
• Sold By列：提取Sold By标识后到第一个逗号前的完整销售方名称，自动去除前后多余空格

可直接运行的代码 #

# 加载依赖包，未安装可先运行 install.packages(c("dplyr","stringr"))
library(dplyr)
library(stringr)

# 构造样例测试数据
df <- data.frame(
  raw_attr = c(
    "Size:AS - Adult Small, Colours: Black , Sold By: Elmwood",
    "Size:YS - Youth Small, Colours: Black, Sold By: Rosemary Brown PS",
    "Colours - Black, Sold By: Rosemary Brown PS"
  )
)

# 执行拆分
df_result <- df %>%
  mutate(
    Size = str_extract(raw_attr, "(?<=Size\\s*[:\\-]\\s*)[A-Z]{2}"),
    Colors = str_extract(raw_attr, "(?<=Colours\\s*[:\\-]\\s*).*?(?=\\s*,)") %>% str_trim(),
    Sold_By = str_extract(raw_attr, "(?<=Sold By\\s*[:\\-]\\s*).*$") %>%
      str_remove(",.*$") %>%
      str_trim()
  )

运行结果 #

拆分后输出结果完全符合预期：

适配说明 #

• 正则已兼容字段名与连接符、连接符与字段值之间存在任意数量空格的情况，同时支持冒号、短横线两种连接符
• 如果实际数据中尺码编码不是2位大写字母，可调整Size提取规则中[A-Z]{2}部分的匹配逻辑即可
• 若后续字段顺序调整，当前正则依然可以正常匹配，不需要修改代码逻辑

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