在R语言中拆分数据框列：提取姓名、姓氏与出生日期

你的问题出在之前的处理只拆分了名字和「姓氏+生日」的组合，没把末尾的8位生日数字单独拆分出来。我们可以利用固定格式的生日（8位数字在末尾）和名字/姓氏的大小写规则来精准拆分。

方法一：分步拆分（先拆生日，再拆姓名） #

先把末尾8位数字提取为Birthdate，剩下的部分再拆分为Name和Lastname：

library(dplyr)
library(tidyr)

# 构造示例数据框
df <- data.frame(User = c("JohnLenon03041965", "RogerFederer12021954", "RickLandsman01041975"))

# 第一步：拆分出Birthdate和姓名组合
df <- df %>%
  mutate(
    Birthdate = sub(".*(\\d{8})$", "\\1", User),  # 提取末尾8位数字
    NameLast = sub("(\\d{8})$", "", User)        # 去掉末尾8位，得到姓名组合
  )

# 第二步：拆分姓名组合为Name和Lastname
df <- df %>%
  separate(NameLast, into = c("Name", "Lastname"), sep = "(?=[A-Z])")  # 在大写字母前拆分

# 整理列顺序并去掉临时列
df <- df %>% select(Name, Lastname, Birthdate)

运行后得到的结果就是你想要的：

Name Lastname Birthdate
1   John    Lenon 03041965
2  Roger  Federer 12021954
3   Rick Landsman 01041975

方法二：一次性拆分（用正则匹配三部分） #

如果你想一步到位，可以用separate配合更精准的正则表达式，直接把User列拆成三列：

df %>%
  separate(User, into = c("Name", "Lastname", "Birthdate"), 
           sep = "(?<=[a-z])(?=[A-Z])|(?<=[A-Za-z])(?=\\d{8})")

这里的正则表达式解释：

• (?<=[a-z])(?=[A-Z])：匹配小写字母后面、大写字母前面的位置（用来拆分名字和姓氏，比如John和Lenon之间）
• (?<=[A-Za-z])(?=\\d{8})：匹配字母后面、8位数字前面的位置（用来拆分姓氏和生日，比如Lenon和03041965之间）

为什么之前的代码没成功？ #

你之前的gsub('([[:upper:]])', ' \\1', df$User)会给所有大写字母前加空格，包括开头的J/R/R，导致字符串开头多了空格，而且生日部分是数字，没有大写字母，所以不会被拆分，最后separate只能把名字和「姓氏+生日」分开，没法拆分生日。

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