使用重复分隔符拆分字符串答案

【问题标题】：Split string with repeated delimiters使用重复分隔符拆分字符串
【发布时间】：2020-01-07 16:03:58
【问题描述】：

我在 R 中有一个字符串，格式如下：

example <- c("namei1 namej1, surname1, name2, surnamei2 surnamej2, name3, surname3")

我希望获得两列：

namei1 namej1   | surname1
name2           | surnamei2 surnamej2
name3           | surname3

我尝试使用字符串拆分：

example <- c("namei1 namej1, surname1, name2, surnamei2 surnamej2, name3, surname3")
pattern <- "\\,+[[:space:]]"
str_split(example, pattern)

但是，我从这里卡住了……

【问题讨论】：

标签： r regex string strsplit

【解决方案1】：

我们可以在,后跟零个或多个空格（\\s*）分割字符串，然后根据'name'字符串和split的出现创建一个分组变量vector（v1 ) 变成vectors 的list，rbind thelistelements and convert it to adata.frame`

v1 <- strsplit(example, ",\\s*")[[1]]
setNames(do.call(rbind.data.frame, split(v1, cumsum(grepl('\\bname',
       v1)))), paste0("V", 1:2))
#       V1                  V2
#1 namei1 namej1            surname1
#2         name2 surnamei2 surnamej2
#3         name3            surname3

或者另一个选项是scan 并将其转换为两列matrix

as.data.frame( matrix(trimws(scan(text = example, sep=",",
      what = "", quiet = TRUE)), byrow = TRUE, ncol = 2))
#       V1                  V2
#1 namei1 namej1            surname1
#2         name2 surnamei2 surnamej2
#3         name3            surname3

或者另一个选项是gsub，我们将,后跟空格和'name'字符串替换为\n和'name'并使用它。read.csv基于分隔符,进行拆分

read.csv(text = gsub(", name", "\nname", example), header= FALSE)
#         V1                   V2
#1 namei1 namej1             surname1
#2         name2  surnamei2 surnamej2
#3         name3             surname3

【讨论】：

如果你跳过trimws会发生什么？
@M- 问题是scan sep 采用单个字符。我可以包括strip.white = TRUE 并避免trimws 尽管scan(text = example, sep=",", what = "", quiet = TRUE, strip.white = TRUE)。我想如果我使用trimws，它可以变得更紧凑。没有别的

【解决方案2】：

data.frame(split(unlist(strsplit(example, ", ")), c(0, 1)))
#             X0                  X1
#1 namei1 namej1            surname1
#2         name2 surnamei2 surnamej2
#3         name3            surname3

【讨论】：

【解决方案3】：

read.csv(text = gsub("([^,]+,[^,]+),", "\\1\n", example), 
         header = FALSE, stringsAsFactors = FALSE)

#              V1                   V2
# 1 namei1 namej1             surname1
# 2         name2  surnamei2 surnamej2
# 3         name3             surname3

【讨论】：

你能解释一下正则表达式吗？
@camille 它会成对查找逗号并将第二个逗号（\\1 保留第一个逗号）替换为\n，即newline。 read.csv 使用逗号作为列分隔符，\n 将被解释为新行。我也可以使用(,[^,]*),。