r - 将文本行分隔为数据框的列

Question

我有一个带有文本行的数据框，如下所示:

         ANTALYA (GB) ch. 1960
    SHOOTIN WAR (USA) ch. 1998
    LORD AT WAR (ARG) ch. 1980

全部大写是名称，然后是 () 中的位置、颜色缩写、年份。名称可以是多个词。
我想将这个单一的文本块分成每个组件:名称、位置、颜色、年份。
我已经为此奋斗了好几天，我拥有的最好的工作解决方案是将每个单词放入单独的列中，但只有在名称都具有一定长度时才有效......对于我正在做的事情数据，我可以以这种形式使用它，但它看起来不太好，你知道吗？

sepdf <- df %>% 
           separate(pedigree, into=c("Name1", "Name2", "Loc", "Col", "Year"), 
                    sep=" ", merge=TRUE)

我尝试通过使用“(”作为两列之间的分隔符来保留名称，但我认为 R 不喜欢我尝试使用括号作为分隔符...

任何建议将不胜感激。

Answer 1

对于像您这样更复杂的模式匹配，您可以使用 tidyr 的 extract功能，可让您创建正则表达式捕获组。每个组都在一组括号内( () ):

library(tidyr)
extract(df, pedigree, into = c("Name", "Loc", "Col", "Year"), 
           regex = "^([A-Z ]+) \\((.*)\\) ([a-z]+\\.) (\\d+)$")
         Name Loc Col Year
1     ANTALYA  GB ch. 1960
2 SHOOTIN WAR USA ch. 1998
3 LORD AT WAR ARG ch. 1980

我在这里使用的正则表达式是:

^字符串的开头

([A-Z ]+)第一组包含多个大写字母和空格

\\(然后有一个空格和一个左括号(用\转义)

(.*)第二组是括号中的任何内容

\\)后跟一个右括号和一个空格

([a-z]+\\.)第三组包含小写字母和一个点

(\\d+)然后是一个空格，第四组只包含数字

$字符串结尾