如何在R中将含ID的自定义键值对文本转换为DataFrame

绝对有比正则表达式更简洁、更贴合这种键值对格式的方案！我来给你推荐两个实用的思路，都是不用依赖stringr这类正则包的：

方案1：利用内置的read.dcf函数（最简洁） #

read.dcf原本是用来处理Debian控制文件格式的，但刚好适配你这种键=值;键=值的结构，只需要简单转换格式就能直接用：

步骤与代码示例： #

# 读取原始文本文件（假设文件名为customer_records.txt）
raw_lines <- readLines("customer_records.txt")

# 处理每条记录，转换为DCF格式（键: 值，记录间空行分隔）
processed_records <- lapply(raw_lines, function(line) {
  # 去掉首尾的大括号和多余空格
  cleaned_line <- gsub("^\\{|\\}$", "", trimws(line))
  # 把分号换成换行，等号换成": "（DCF格式要求）
  dcf_line <- gsub(";", "\n", gsub("=", ": ", cleaned_line))
  # 处理值里的双引号（比如示例里的""2019-02-26...""）
  gsub('^""|""$', "", dcf_line)
})

# 把所有记录用空行连接，符合DCF格式的记录分隔要求
dcf_text <- paste(processed_records, collapse = "\n\n")

# 读取DCF格式为DataFrame，自动为缺失字段补NA
customer_df <- as.data.frame(read.dcf(textConnection(dcf_text)), stringsAsFactors = FALSE)

# 以ID为主键合并重复记录（根据需求调整，这里把同一ID的非NA值用分号拼接）
library(dplyr)
final_df <- customer_df %>%
  group_by(ID) %>%
  summarize(across(everything(), ~paste(na.omit(.), collapse = "; ")))

方案2：基础R的strsplit拆分法（更灵活） #

如果需要更精细的控制，可以用基础R的字符串拆分函数，把每条记录拆成键值对列表，再合并成DataFrame：

步骤与代码示例： #

# 读取原始文本
raw_lines <- readLines("customer_records.txt")

# 把每条记录转换为键值对列表
record_list <- lapply(raw_lines, function(line) {
  # 清理首尾大括号和空格
  cleaned_line <- gsub("^\\{|\\}$", "", trimws(line))
  # 拆分所有键值对
  kv_pairs <- strsplit(cleaned_line, ";")[[1]]
  
  # 拆分每个键值对为键和值，处理双引号
  kv_list <- lapply(kv_pairs, function(kv) {
    trimmed_kv <- trimws(kv)
    split_kv <- strsplit(trimmed_kv, "=")[[1]]
    # 移除值两端的双引号
    clean_value <- gsub('^""|""$', "", split_kv[2])
    # 用键作为名称，值作为内容
    setNames(clean_value, split_kv[1])
  })
  
  # 合并成单个列表
  do.call(c, kv_list)
})

# 把列表转换为DataFrame，自动补全缺失字段为NA
customer_df <- do.call(rbind.data.frame, c(record_list, stringsAsFactors = FALSE, fill = TRUE))

# 同样以ID为主键合并（这里用data.table示例，速度更快适合大数据）
library(data.table)
setDT(customer_df)
final_df <- customer_df[, lapply(.SD, function(x) paste(na.omit(x), collapse = "; ")), by = ID]

为什么这些方案更优？ #

• 避免了复杂正则表达式的编写和维护，尤其是当值里包含特殊字符时，正则容易出错；
• read.dcf是内置函数，性能稳定，代码量极少；
• 基础拆分法更灵活，能针对特定字段做自定义处理。

内容的提问来源于stack exchange，提问作者Justin