如何基于指定分组变量拆分含空格的DataFrame单列内容？

嗨，这个场景太常见了！我之前处理类似的非结构化字符串时也踩过同样的坑——直接按空格拆分肯定不行，因为食物名里有空格，但我们可以用正则表达式的捕获组+正向预查来精准匹配分组变量和对应的食物名，完全不用手动处理。

先把你的数据整理成标准的DataFrame（你原来的rbind得到的是矩阵，转成data.frame更方便后续处理）：

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

# 构造你的数据
foo1 <- paste('FRUIT', 'Apple', 'PROTEIN', 'Chicken', 'STARCH', 'Banana Bread', 'FRUIT', 'Strawberry')
foo2 <- paste('PROTEIN', 'Pork', 'FAT', 'Butter', 'FRUIT', 'Banana', 'STARCH', 'Spaghetti')
foo3 <- paste('FRUIT', 'Strawberry', 'PROTEIN', 'Lean Steak', 'FRUIT', 'Strawberry', 'STARCH', 'Potato')
df <- data.frame(text = c(foo1, foo2, foo3), stringsAsFactors = FALSE)

接下来是核心解决方案：用正则表达式匹配每个分组变量（FRUIT/PROTEIN/STARCH/FAT）以及它后面直到下一个分组变量（或字符串结尾）的食物名，然后拆分整理成整洁的格式：

df_clean <- df %>%
  # 提取所有「分组变量 + 食物名」的片段
  mutate(matches = str_extract_all(text, "(FRUIT|PROTEIN|STARCH|FAT)\\s+(.*?)(?=\\s+(FRUIT|PROTEIN|STARCH|FAT)|$)")) %>%
  # 把列表列展开成单行一条记录
  unnest(matches) %>%
  # 拆分分组和食物名，extra="merge"确保带空格的食物名不被拆分
  separate(matches, into = c("group", "food"), sep = "\\s+", extra = "merge")

正则表达式解释 #

这里的正则(FRUIT|PROTEIN|STARCH|FAT)\\s+(.*?)(?=\\s+(FRUIT|PROTEIN|STARCH|FAT)|$)是关键：

• (FRUIT|PROTEIN|STARCH|FAT)：精准匹配你的4个分组变量，作为第一个捕获组
• \\s+：匹配分组变量和食物名之间的一个或多个空格
• (.*?)：非贪婪匹配后面的所有内容（也就是食物名，直到遇到下一个分组变量才停止）
• (?=\\s+(FRUIT|PROTEIN|STARCH|FAT)|$)：正向预查，确保后面要么是另一个分组变量，要么是字符串结尾，避免把下一个分组的内容误算到当前食物名里

运行完代码后，df_clean就会是这样的整洁格式：

这个方法完全自动化，不管你的500+条数据里有多少带空格的食物名，都能准确提取，不用手动映射！

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