R使用tidyr :: separate在最后的空白字符处拆分字符串

Question

假设我有一个这样的数据框：

df<-data.frame(a=c("AA","BB"),b=c("short string","this is the longer string"))

我想根据最后出现的空间使用正则表达式拆分每个字符串。 我试过了：

library(dplyr)
library(tidyr)
df%>%
  separate(b,c("partA","partB"),sep=" [^ ]*$")

但这省略了输出中字符串的第二部分。我想要的输出看起来像这样：

   a              partA  partB
1 AA              short string
2 BB this is the longer string

我该怎么做如果我可以使用tidyr和dplyr，那会很好。

Answer 1

我们可以使用捕获组（extract）从tidyr使用(...)。我们匹配零个或多个字符（.*）并将其放在括号（(.*)）中，然后是零个或多个空格（\\s+），然后是下一个仅包含的捕获组在字符串结尾（[^ ]）之前不是空格（$）的字符。

library(tidyr)
extract(df, b, into = c('partA', 'partB'), '(.*)\\s+([^ ]+)$')
#   a              partA  partB
#1 AA              short string
#2 BB this is the longer string

Answer 2

您可以将正则表达式的[^ ]*$部分转换为(?=[^ ]*$)非使用模式，positive lookahead（不会在字符串末尾使用非空白字符） ，即它们不会放入匹配值中，因此将保留在输出中）：

df%>%
  separate(b,c("partA","partB"),sep=" (?=[^ ]*$)")

或者，由于它与任何空白字符匹配，因此更具通用性：

df %>%
  separate(b,c("partA","partB"),sep="\\s+(?=\\S*$)")

请参见下面的regex demo及其图形：

输出：

   a              partA  partB
1 AA              short string
2 BB this is the longer string