解析带有多个括号的字符串答案

【问题标题】：Parsing a string with multiple brackets解析带有多个括号的字符串
【发布时间】：2020-07-03 14:40:38
【问题描述】：

我有一个数据集dt，列"subject"，我需要对其进行解析。例如，

ID    subject   

1     USA(Texas)(Austin)
2     USA(California)(Sacramento)

结果，我想得到下表：

ID    subject                       Country     State        Capital   

1     USA(Texas)(Austin)            USA         Texas        Austin
2     USA(California)(Sacramento)   USA         California   Sacramento

我该怎么做？

【问题讨论】：

标签： r regex extract

【解决方案1】：

由于您有多个括号可以从中提取数据，因此您需要使您的正则表达式变得懒惰。

library(dplyr)
library(tidyr)

extract(dt, subject, into = c("Country", "State", "Capital"),
              regex = "(.*)\\((.*?)\\)\\((.*)\\)", remove = FALSE)

#  ID                     subject Country      State    Capital
#1  1          USA(Texas)(Austin)     USA      Texas     Austin
#2  2 USA(California)(Sacramento)     USA California Sacramento

另一个更简单的正则表达式选项是删除带有gsub 的圆括号，并使用带有sep 参数的separate 作为空格。

dt %>%
  mutate(subject = trimws(gsub('[()]', ' ', subject))) %>%
  separate(subject, into = c("Country", "State", "Capital"), sep = "\\s+")

数据

dt <- structure(list(ID = 1:2, subject = structure(2:1, 
.Label = c("USA(California)(Sacramento)", "USA(Texas)(Austin)"), 
class = "factor")), class = "data.frame", row.names = c(NA, -2L))

【讨论】：