如何在R语言中提取数据框列字符串第二个空格之后的内容

问题背景 #

需要提取R数据框字符串列中，每个字符串第二个空格之后的全部内容，示例数据如下：

df <- data.frame(col = c("Adenia macrophylla", "Adinobotrys atropurpureus (Wall.) Dunn", "Ardisia purpurea Reinw. ex Blume"))

期望输出：

col
1                                    
2                           (Wall.) Dunn
3                        Reinw. ex Blume

最优实现方案 #

不需要使用separate+unite的拆分合并逻辑，也不需要额外做字符串补位，直接通过正则匹配替换即可实现，代码简洁且适配任意长度的字符串：

方案1：tidyverse生态实现 #

library(dplyr)
library(stringr)

df <- df %>%
  mutate(col = str_replace(col, "^\\S+\\s\\S+\\s?", ""))

正则逻辑说明：

• ^匹配字符串起始位置
• \\S+匹配首个非空格序列（第一个单词）
• \\s匹配第一个空格
• \\S+匹配第二个非空格序列（第二个单词）
• \\s?匹配第二个单词后可能存在的空格，避免不足两个空格的字符串返回多余空格

方案2：基础R实现（无需加载第三方包） #

df$col <- sub("^\\S+\\s\\S+\\s?", "", df$col)

已验证的可行方案 #

你自己提供的补位后删除前两段的方案也可以实现效果，核心逻辑也是基于正则匹配删除前两个单词及对应空格：

xx %>% 
  mutate(col = str_pad(col, 20,"right")) %>% 
  mutate(col = str_remove(col, '\\w+\\s\\w+\\s'))

内容的提问来源于stack exchange，提问作者Anh