如何基于两种不同分隔符拆分FileName字段并提取生成多列数据

解答 #

你之前的代码存在几个问题：

• strsplit() 返回的是列表结构，无法直接传入第二个strsplit()做二次拆分
• 正则匹配中.属于元字符，会匹配任意单字符，要匹配真实的点分隔符需要转义为\\.
• 手动通过[[索引]]逐个提取列表值可以实现需求，但代码冗余，tidyverse有更简洁的内置函数可以一步完成拆分

你可以直接使用tidyr的separate函数，指定分隔符为下划线或点，一次拆分出所有需要的字段，代码如下：
首先加载依赖包：

library(tidyverse)

核心处理代码：

result <- file %>%
  # remove = FALSE 保留原始FileName列，sep参数用正则匹配下划线或点作为分隔符
  separate(FileName, into = c("ID", "Name", "BioType", "FileNo", "Extension"), sep = "_|\\.", remove = FALSE) %>%
  # 调整列顺序和期望输出一致
  select(FileName, Date, ID, Name, BioType, FileNo, Extension)

如果使用的是tidyr 1.2.0及以上版本，也可以用更易维护的separate_wider_delim分步拆分，适配更复杂的文件名格式：

result <- file %>%
  separate_wider_delim(FileName, delim = "_", names = c("ID", "Name", "BioType", "tmp"), too_many = "merge") %>%
  separate_wider_delim(tmp, delim = ".", names = c("FileNo", "Extension")) %>%
  select(FileName, Date, ID, Name, BioType, FileNo, Extension)

两种方法运行后得到的结果都和你期望的输出结构完全一致。

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