Tidyr单独函数的正则表达式

Question

我需要用 tidyr 分开两列。

该列的文本如下：I am Sam。我的意思是文本总是只有两个空格，文本可以有所有其他符号：[a-z][0-9][!\ºª, etc...]。

问题是我需要将它分成两列：第一列I am，第二列：Sam。

我找不到与第二个空格分开的正则表达式。

你能帮帮我吗？

Answer 1

我们可以从tidyr 使用extract。我们匹配一个或多个字符并将其放入一个捕获组 ((.*)) 后跟一个或多个空格 (\\s+) 和另一个仅包含非空白字符 (\\S+) 的捕获组以分隔原始一列分成两列。

library(tidyr)
extract(df1, Col1, into = c("Col1", "Col2"), "(.*)\\s+(\\S+)")
#   Col1 Col2
#1  I am  Sam
#2 He is  Sam

数据

df1 <- data.frame(Col1 = c("I am Sam", "He is Sam"), stringsAsFactors=FALSE)

Answer 2

作为替代，给定：

library(tidyr)
df <- data.frame(txt = "I am Sam")

你可以使用

separate(, txt, c("a", "b"), sep="(?<=\\s\\S{1,100})\\s") 
#      a   b
# 1 I am Sam

separate 使用 stringi::stri_split_regex（ICU 引擎），或

separate(df, txt, c("a", "b"), sep="^.*?\\s(*SKIP)(*FAIL)|\\s", perl=TRUE) 

与旧的 (?) separate 一起使用 base:strsplit（Perl 引擎）。另请参阅

strsplit("I am Sam", "^.*?\\s(*SKIP)(*FAIL)|\\s", perl=TRUE)
# [[1]]
# [1] "I am" "Sam" 

但这可能有点“深奥”……