R语言中基于正则表达式按指定模式拆分字符向量的方法

核心实现逻辑 #

逐一遍历所有拆分匹配模式，通过正则规则筛选输入向量中符合对应模式的元素，最终生成以模式为键的分组列表，自动满足多匹配、无匹配过滤的规则要求。

可直接复用的代码 #

Base R 版本（无需额外依赖） #

split_char_vec <- function(input, split_patterns) {
  # 遍历每个拆分模式筛选匹配元素
  result <- lapply(split_patterns, function(pattern) {
    # 开启perl正则兼容，支持复杂正则语法
    input[grepl(pattern, input, perl = TRUE)]
  })
  # 为列表元素绑定对应模式名
  names(result) <- split_patterns
  # 可选：移除无任何匹配内容的空分组，需保留空分组可删除此行
  result <- result[lengths(result) > 0]
  result
}

Tidyverse 版本（语法更简洁） #

需提前加载stringr包：

library(stringr)
split_char_vec_str <- function(input, split_patterns) {
  setNames(
    lapply(split_patterns, \(p) input[str_detect(input, p)]),
    split_patterns
  ) |> {\(res) res[lengths(res) > 0]}()
}

效果验证 #

基础场景验证 #

用基础示例输入运行代码：

input <- c("a_foo","b_foo", "c_bar", "d_bar")
split_by <- c("foo", "bar")
split_char_vec(input, split_by)

输出结果完全符合预期：

$foo
[1] "a_foo" "b_foo"

$bar
[1] "c_bar" "d_bar"

扩展场景验证 #

用扩展场景输入运行代码：

input_ext <- c("foo_bar", "nothing", "a_foo", "c_bar")
split_by <- c("foo", "bar")
split_char_vec(input_ext, split_by)

输出结果符合多匹配归入多个分组、无匹配内容自动过滤的规则：

$foo
[1] "foo_bar" "a_foo"  

$bar
[1] "foo_bar" "c_bar"  

灵活调整说明 #

• 支持任意数量的拆分模式：只要向split_by参数传入更多正则字符串即可，无需修改函数逻辑。
• 正则语法自由调整：因为默认开启正则兼容，可直接在split_by中传入任意合法正则规则，比如传入"(?i)bar"即可实现忽略大小写匹配bar的效果。
• 匹配规则按需修改：如果需要固定字符串匹配而非正则匹配，只要给grepl/str_detect传入fixed = TRUE参数即可切换。

内容的提问来源于stack exchange，提问作者Christian