如何用R正则表达式提取文本指定信息并拆分至不同列？

没问题，我来帮你搞定这个文本提取需求！我们可以用stringr的正则匹配功能，搭配dplyr来高效处理数据，完美适配你给出的所有场景。

步骤1：准备示例数据 #

先把你提供的文本整理成数据框，方便后续批量处理：

library(dplyr)
library(stringr)

# 创建示例数据集
text_df <- tibble(
  text = c(
    "issue : there has been considerable changes and it is going on. finding : we need further investigation on this. resolution: please check the validity",
    "issue : there has been considerable changes and it is going on. resolution: please check the validity",
    "finding : we need further investigation on this. resolution: please check the validity",
    "please check the validity"
  )
)

步骤2：编写正则提取逻辑 #

我们用str_extract结合正向/反向预查的正则表达式，精准定位每个字段的内容：

• 匹配issue：提取issue : 之后的内容，直到遇到下一个字段标识（finding : 或resolution:）或文本结尾
• 匹配finding：提取finding : 之后的内容，直到遇到resolution:或文本结尾
• 匹配resolution：既可以提取resolution: 之后的内容，也能直接匹配没有字段标识的纯resolution文本（比如Text-4）

具体处理代码如下：

text_processed <- text_df %>%
  mutate(
    issue = str_extract(text, "(?<=issue : ).*?(?= finding :| resolution:|$)"),
    finding = str_extract(text, "(?<=finding : ).*?(?= resolution:|$)"),
    # 通用版resolution匹配：适配带标识和纯内容两种情况
    resolution = str_extract(text, "(?<=resolution: ).*$|^(?!.*(issue|finding)).*$")
  )

# 查看处理结果
print(text_processed, width = Inf)

结果验证 #

运行后得到的结果完全符合你的预期：

• Text-1的三个字段均提取到对应内容
• Text-2的finding字段自动填充为NA
• Text-3的issue字段自动填充为NA
• Text-4的issue和finding为NA，resolution正确提取纯文本内容

如果你的实际数据中resolution的内容不固定，上面的通用正则也能完美适配，无需修改。

内容的提问来源于stack exchange，提问作者Rohit