正则表达式查找每两个逗号，使用 dplyr 将行与列分开答案

【问题标题】：regex to find every two commas, to separate rows from a column using dplyr正则表达式查找每两个逗号，使用 dplyr 将行与列分开
【发布时间】：2021-11-02 01:48:19
【问题描述】：

我有这样的字符串：

71,72,80,81,102,100

我想分隔每 2 个“数字”，所以：

71,72
80,81
102,100

我写了这个正则表达式：

(([0-9]{1,4}),([0-9]{1,4}))

突出显示我需要的组，除了“，”之间的逗号

在我的代码中，我使用的是dplyr

例子：

df_example <- tibble(Lotes= "LOT1,LOT2,LOT3",NoModuloPlastico = "71,72,80,81,102,100")

df_result_example <- df_example %>%
separate_rows(c(Lotes),sep=",") %>%
separate_rows(c(NoModuloPlastico),sep="(([0-9]{1,3}),([0-9]{1,3}))")

这意味着我真正需要的是用正则表达式突出显示每 2 个逗号，但我找不到方法。

我无法根据我的需要调整这些链接：

https://bedigit.com/blog/regex-how-to-match-everything-except-a-particular-pattern/

https://blog.codinghorror.com/excluding-matches-with-regular-expressions/

我得到了什么：

Lotes	NoModuloPlastico
LOT1	""
LOT1	","
LOT1	","
LOT1	""
LOT2	""
LOT2	","
LOT2	","
LOT2	""
LOT3	""
LOT3	","
LOT3	","
LOT3	""

我想要什么：

Lotes	NoModuloPlastico
LOT1	71,72
LOT2	80,81
LOT3	102,100

【问题讨论】：

标签： r regex dataframe dplyr separator

【解决方案1】：

你可以这样做：

df_example %>%
  mutate(Lotes = str_split(Lotes, ','),
         NoModuloPlastico = NoModuloPlastico %>%
           str_replace_all('([^,]+,[^,]+),', '\\1:') %>%
           str_split(':')) %>%
  unnest(everything())

# A tibble: 3 x 2
  Lotes NoModuloPlastico
  <chr> <chr>           
1 LOT1  71,72           
2 LOT2  80,81           
3 LOT3  102,100

【讨论】：

鼓舞人心的一如既往:)虽然已经投票了。

【解决方案2】：

你可以使用略短的Onyambu's solution：

df_example %>% 
  mutate(Lotes = strsplit(Lotes, ','),
    NoModuloPlastico = NoModuloPlastico %>% 
      strsplit('[^,]*,[^,]*\\K,', perl=TRUE)) %>% 
  unnest(everything())

输出：

# A tibble: 3 x 2
  Lotes NoModuloPlastico
  <chr> <chr>           
1 LOT1  71,72           
2 LOT2  80,81           
3 LOT3  102,100

注意事项：

strsplit(Lotes, ',') 用逗号分隔 Lotes 列
strsplit('[^,]*,[^,]*\\K,', perl=TRUE) 将 NoModuloPlastico 列与其他逗号分开。 [^,]*,[^,]* 匹配零个或多个非逗号字符，一个逗号和零个或多个非逗号字符，\K 忽略这些匹配的字符，然后, 匹配一个用于分割字符串的逗号。李>

【讨论】：

这太棒了，亲爱的维克托 :)

【解决方案3】：

我不知道这是否概括了您的问题，如果没有，请尝试找到此方法的变体。

# Your tibble
df_example  = dplyr::tibble(Lotes= "LOT1,LOT2,LOT3",NoModuloPlastico = "71,72,80,81,102,100")

# with strsplit separate the strings by "," and turn them into a matrix
A = matrix(strsplit(df_example$Lotes, split = ",")[[1]],ncol=1,)
B = matrix(strsplit(df_example$NoModuloPlastico, split = ",")[[1]], ncol = 2)

# cbind the two matrices, turn that into a dataframe and give names to the columns
C = as.data.frame(cbind(A,B))
colnames(C) = c("Lotes", "Modulo1", "Modulo2")

# Create your new column with paste0() function
C$NoModuloPlastico = paste0(C$Modulo1, ",",C$Modulo2)

# This is extra but only for following your variable name create that with the two columns.
df_result_example = data.frame(C$Lotes, C$NoModuloPlastico)

这解决了您在基础 R 中的示例。

【讨论】：

【解决方案4】：

您可以将每隔一个出现的逗号替换为分号（或任何其他分隔符），也可以将NoModuloPlastico 中的逗号值更改为分号并使用separate_rows。

library(dplyr)
library(tidyr)

df_example %>%
  mutate(NoModuloPlastico = gsub('(,.*?),', '\\1;', NoModuloPlastico), 
         Lotes = gsub(',', ';', Lotes, fixed = TRUE)) %>%
  separate_rows(Lotes, NoModuloPlastico, sep = ';')

#  Lotes NoModuloPlastico
#  <chr> <chr>           
#1 LOT1  71,72           
#2 LOT2  80,81           
#3 LOT3  102,100

【讨论】：

【解决方案5】：

您也可以使用以下解决方案：

library(dplyr)
library(tidyr)

df_example %>%
  mutate(NoModuloPlastico = paste0(regmatches(NoModuloPlastico, gregexpr("\\d+,\\d+", NoModuloPlastico))[[1]],
                                   collapse = " "), 
         Lotes = gsub(",", " ", Lotes)) %>%
  separate_rows(everything(), sep = "\\s+")

# A tibble: 3 x 2
  Lotes NoModuloPlastico
  <chr> <chr>           
1 LOT1  71,72           
2 LOT2  80,81           
3 LOT3  102,100

【讨论】：