如何使用separate（）用5个问号分隔符分隔数据？答案

【问题标题】：How to separate data with 5 question marks separator using separate()?如何使用separate（）用5个问号分隔符分隔数据？
【发布时间】：2016-11-05 07:26:54
【问题描述】：

嘿，所以我有一个带有 head() 的小标题，如下所示：

# A tibble: 6 × 1
                                   id.make.model.year
                                             <chr>
1  27550?????AM General?????DJ Po Vehicle 2WD?????1984
2  28426?????AM General?????DJ Po Vehicle 2WD?????1984
3   27549?????AM General?????FJ8c Post Office?????1984
4   28425?????AM General?????FJ8c Post Office?????1984
5 1032?????AM General?????Post Office DJ5 2WD?????1985
6 1033?????AM General?????Post Office DJ8 2WD?????1985

只有一列。我想用这四个列名将它分成四列。我尝试使用separate()

A %>% 
  separate(id.make.model.year,into=c("id","make"),sep="?????")

和

A %>% 
  separate(id.make.model.year,into=c("id","make"),sep="\\?????")

但它们都返回以下错误：

stringi::stri_split_regex(value, sep, n_max) 中的错误：正则表达式模式中的语法错误。 (U_REGEX_RULE_SYNTAX)

再试一次……：

A %>% 
  separate(id.make.model.year,into=c("id","make"),sep="[?????]")

# A tibble: 33,439 × 2
      id  make
*  <chr> <chr>
1  27550      
2  28426      
3  27549      
4  28425      
5   1032      
6   1033      
7   3347      
8  13309      
9  13310      
10 13311      
# ... with 33,429 more rows
Warning message:
Too many values at 33439 locations: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, ...

我也尝试删除 sep，但所有空格都清楚地算作分隔符。

这样做的正确方法是什么？提前致谢。

【问题讨论】：

请在您的问题中添加dput(head(df)) 的输出，使其成为reproducible example。无论如何，这对我来说只是一个简单的正则表达式问题。
匹配一个问号的正则表达式是\?，或[?]。但是，如果您有五个，[?????] 仍然只有一个匹配该字符的出现，就像 [aaaaa] 只匹配一个字母 a，而不是五个。所以我认为你想要\?{5} 或[?]{5}（或\?\?\?\?\? 或[?][?][?][?][?]）。在您使用dput() 发布数据之前，我无法确认。
顺便说一句，如果'?????'来自 read.csv() 的 Unicode 编码错误或奇怪的分隔符，您可能需要修复它。

标签： r regex separator tidyr

【解决方案1】：

匹配一个问号的正则表达式是\?，或[?]。但是，如果您有五个，[?????] 仍然只有一个匹配该字符的一次出现，因为[...] 定义了一个字符类。就像[aaaaa] 只会匹配一个字母a，而不是五个。

所以要捕获五个重复，我认为您需要\?{5} 或[?]{5}（或\?\?\?\?\? 或[?][?][?][?][?]）。

在您使用dput() 发布数据之前，我无法确认。

【讨论】：

非常感谢您使用您建议的方法！

【解决方案2】：

这里是splitstackshape 和data.table 软件包的一种解决方案。您使用cSplit() 拆分列。由于您需要四列，因此您想在函数中指定direction = "wide"。创建四列后，您要更改列名。我使用strsplit() 拆分了原始列名，并创建了四个您想要的名称。

library(splitstackshape)
library(data.table)

mydf <- data.frame(id.make.model.year = c("27550?????AM General?????DJ Po Vehicle 2WD?????1984",
                                          "28426?????AM General?????DJ Po Vehicle 2WD?????1984"),
                   stringsAsFactors = F)

temp <- cSplit(mydf, splitCols = "id.make.model.year", sep = "?????", direction = "wide")
setnames(temp, unlist(strsplit(names(mydf), "[.]")))


#      id       make             model year
#1: 27550 AM General DJ Po Vehicle 2WD 1984
#2: 28426 AM General DJ Po Vehicle 2WD 1984

【讨论】：