R语言使用多个字面分隔符拆分数据框字符串的实现方法

下面提供两种可单次调用完成拆分的简便方案，都不需要多次处理数据。

方法1：使用tidyr::extract()（推荐） #

extract()支持通过正则分组直接提取多列内容，是最适配该需求的解法：

library(dplyr)
library(tidyr)

# 示例数据
df <- data.frame(ADDRESS = c("123 Main Street Unit A", "456 Main Street Apt 3", "789 Main Street Floor 2"))

# 拆分逻辑
df_result <- df %>%
  extract(
    col = ADDRESS,
    into = c("ADDRESS", "UNIT"),
    regex = "^(.*?)\\s+(Unit.*|Apt.*|Floor.*)$",
    remove = TRUE # 若需要保留原始地址列可改为FALSE
  )

正则逻辑说明：

• ^(.*?) 匹配从字符串开头到「空格+Unit/Apt/Floor」之前的所有内容，对应街道地址
• \\s+ 匹配两部分之间的空格
• (Unit.*|Apt.*|Floor.*) 匹配以Unit/Apt/Floor开头的剩余所有内容，对应单元/楼层信息

方法2：使用separate()配合正则零宽断言 #

如果习惯使用separate()，可以给sep参数传入正向零宽断言正则，匹配三个分隔词前面的位置作为拆分点，不会吃掉分隔符：

df_result <- df %>%
  separate(
    col = ADDRESS,
    into = c("ADDRESS", "UNIT"),
    sep = "(?= (Unit|Apt|Floor))",
    extra = "merge"
  )

两种方法输出结果都和期望的格式完全一致。

内容的提问来源于stack exchange，提问作者MH765