如何使用R将数据框内的复杂文本拆分为多个指定独立列

核心思路：由于你的数据每个字段都有固定的前缀标识，用正则表达式精准匹配提取的方案远比分隔符拆分更稳定，完全适配字段缺失、字段顺序不固定、字段值含分隔符的场景，无需处理拆分后的列错位问题。

依赖包 #

仅需使用tidyverse生态的dplyr和stringr即可实现，你已经用过tidyr的话不需要额外安装新包。

实现代码 #

1. 模拟测试数据（替换为自己的真实数据即可） #

library(tidyverse)

# raw_col替换为你实际存储拦截信息的列名
df <- tibble(
  raw_col = c(
    NA,
    "Border Interception",
    "Border Interception, Suspected country of origin: Peru, Interception location: California, USA",
    "Border Interception, Suspected country of origin: Puerto Rico",
    "Border Interception, Suspected country of origin: Mexico, Interception location: Nogales NZ, Interception Number: APTAZ130741709003"
  )
)

2. 字段提取代码 #

df_result <- df %>%
  mutate(
    # 拦截类型：只要包含对应标识就赋值
    intercept_type = if_else(str_detect(raw_col, "Border Interception"), "Border Interception", NA_character_),
    # 可疑原产国：匹配固定前缀后到下一个字段标识前的所有内容
    suspected_origin = str_trim(str_extract(raw_col, "(?<=Suspected country of origin: ).*?(?=,\\s*[A-Z][a-zA-Z ]+:)")),
    # 拦截地点：兼容值内带逗号的场景，可完整提取类似California, USA的内容
    intercept_location = str_trim(str_extract(raw_col, "(?<=Interception location: ).*?(?=,\\s*[A-Z][a-zA-Z ]+:)")),
    # 拦截编号：作为末尾字段直接匹配前缀后所有内容
    intercept_number = str_trim(str_extract(raw_col, "(?<=Interception Number: ).*"))
  )

方案优势 #

• 容错率高：不管字段是否缺失、出现顺序是否变化，都能准确提取对应值，不会出现分隔符拆分导致的列错位问题
• 适配性强：已经兼容字段值本身带逗号的场景
• 易维护：每个字段的提取逻辑独立，后续需要调整匹配规则只需要修改对应行的正则即可
• 自动处理缺省：没有对应字段的行自动填充NA，完全符合需求

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