R语言如何将文本列提取的列表拆分为多个独立数值列

问题原因 #

你的猜测正确：str_extract_all() 返回的是列表类型的列，而 separate() 仅支持对字符串类型的列按分隔符拆分，无法直接处理列表类数据。同时你当前使用的正则存在遗漏，无法匹配最后一个BC字段的值（该字段后缀为))而非逗号）。

解决方案 #

方案1：适配现有逻辑调整 #

在提取匹配结果后，先将每个列表元素拼接为指定分隔符分隔的字符串，再调用separate拆分：

library(stringr)
library(tidyr)
library(dplyr)

df %>%
  mutate(text = str_extract_all(text,"(?<==)\\d|NA(?=,|\\))") %>% 
           sapply(paste, collapse = ", ")) %>%
  separate(col = text,
           into = c("DH", "SZ", "RM", "FO", "GP", "BC"),
           sep = ", ",
           convert = TRUE)

方案2：更简洁的一步实现 #

直接使用tidyr::extract()通过正则分组匹配，一次性提取所有字段值，无需处理列表格式：

library(tidyr)
library(dplyr)

df %>%
  extract(
    col = text,
    into = c("DH", "SZ", "RM", "FO", "GP", "BC"),
    regex = "DH=(\\d|NA), SZ=(\\d|NA), RM=(\\d|NA), FO=(\\d|NA), GP=(\\d|NA), BC=(\\d|NA)",
    convert = TRUE
  )

两种方案执行后都会得到预期结果，convert = TRUE参数会自动将提取的值转为数值类型，NA会被识别为缺失值。

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