str_split 在带引号和逗号的字符串上答案

【问题标题】：str_split on strings with quotes and commasstr_split 在带引号和逗号的字符串上
【发布时间】：2021-11-27 17:07:08
【问题描述】：

我正在处理一些杂乱无章的分类数据，我试图将它们拆分到单独的单元格中。数据以逗号分隔，但在某些输出中，类别本身中有逗号（例如以下示例中的类别 4 和 5）。在这些情况下，类别用引号括起来。

category 1, category 2, category 3, "category, 4"
category 1, category 2, "category, 4", "category, 5"

所需的输出会将数据拆分为单独的单元格，例如下表

category 1	category 2	category 3	category, 4
category 1	category 2	category, 4	category, 5

我尝试过使用 str_split，但不确定如何在不拆分答案的情况下分隔类别。

【问题讨论】：

标签： r string stringr

【解决方案1】：

data.table 的fread 会自动为您完成这一切：

dt <- data.table::fread(string)

【讨论】：

【解决方案2】：

我建议使用read.csv 工具简单地重新导入这些数据。默认的引号字符是"，因此它会自动忽略双引号内的逗号。假设你已经在 R 中有这个数据框，你可以尝试：

write.csv(df, file="output.csv", col.names=FALSE)
df_new <- read.csv(file="output.csv", header=FALSE)
names(df_new) <- c("category 1", "category 2", "category 3", "category 4")

【讨论】：

【解决方案3】：

我们也可以将read.csv 与textConnection 一起使用

df <- read.csv(textConnection('category 1, category 2, category 3, "category, 4"
          category 1, category 2, "category, 4", "category, 5"'), 
     check.names = FALSE, strip.white = TRUE)

-结构

> str(df)
'data.frame':   1 obs. of  4 variables:
 $ category 1 : chr "category 1"
 $ category 2 : chr "category 2"
 $ category 3 : chr "category, 4"
 $ category, 4: chr "category, 5"

【讨论】：