使用R的tidyr包extract函数提取数值范围时报正则分组错误如何解决

错误原因 #

tidyr::extract()要求正则表达式中定义的捕获组数量和into参数指定的输出列数量完全一致。你当前使用的正则\\d+(\\s?)-(\\s?)\\d+$里有2个捕获组（就是包裹\\s?的两对括号），但你into参数只指定了1个输出位置，数量不匹配所以触发报错。

调整方案 #

你不需要单独捕获减号两侧的空格，直接把整个要提取的数值范围作为唯一的捕获组即可，有两种写法可选：

1. 直接删掉多余的括号，给目标内容外层套捕获组（更简洁，推荐）
2. 把原有匹配空格的括号改成非捕获组（括号开头加?:，不会被计数为输出分组）

可运行代码示例 #

library(dplyr)
library(tidyr)

df_raw %>% 
  extract(
    col = value,
    into = "num_range", # 给提取出的数值范围列命名，不要留空字符串
    regex = "(\\d+\\s?-\\s?\\d+)$", # 仅1个捕获组，对应完整的数值范围
    remove = FALSE # 可选参数，设为TRUE会删除原始的value列
  )

如果要使用非捕获组的写法，正则部分替换为下面的即可，效果完全一致：

regex = "(\\d+(?:\\s?)-(?:\\s?)\\d+)$"

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