如何用data.table::tstrsplit按非引号内的句号分割字符串？

你已经找对了核心的分割逻辑——用正向预查正则确保只拆分不在成对双引号里的句号，现在只需要处理掉结果里多余的双引号就行，给你两种简单的解决方案：

方法一：分割后批量清理引号 #

先按你原有的正则完成分割，再用gsub去掉每个元素首尾的双引号：

test_string <- c('foo.bar.baz', 'fizz.buzz."ba.zz"')

# 第一步：按规则分割字符串
split_result <- strsplit(test_string, '\\.(?=(?:[^\\"]*\\"[^\\"]*\\")*[^\\"]*$)', perl = TRUE)

# 第二步：去除每个元素的首尾双引号
clean_result <- lapply(split_result, function(x) gsub('^"|"$', '', x))

# 查看最终结果
clean_result

运行后就能得到你想要的输出：

[[1]]
[1] "foo" "bar" "baz"

[[2]]
[1] "fizz" "buzz" "ba.zz"

方法二：使用data.table::tstrsplit时直接处理 #

如果你是用data.table的tstrsplit拆分到数据框列中，可以在拆分后直接对列做清理：

library(data.table)

dt <- data.table(input_str = test_string)
# 拆分字符串到多列
dt[, c("col1", "col2", "col3") := tstrsplit(input_str, '\\.(?=(?:[^\\"]*\\"[^\\"]*\\")*[^\\"]*$)', perl = TRUE)]
# 清理每一列的引号
dt[, lapply(.SD, function(x) gsub('^"|"$', '', x)), .SDcols = col1:col3]

补充说明 #

你原有的正则\\.(?=(?:[^\\"]*\\"[^\\"]*\\")*[^\\"]*$)逻辑完全正确：它匹配句号的同时，通过正向预查确保这个句号后面的引号总数是偶数（意味着不在成对引号内部）。结果保留引号是因为引号属于原字符串的一部分，分割操作不会自动移除它们，所以需要额外的清理步骤。

内容的提问来源于stack exchange，提问作者mlegge