如何在R中使用带正则表达式的str_split？

我有这个字符串：

235072,testing,some252f4,14084-things224072,and,other2524,14084-thingies223552,testing,some/2wr24,14084-things

我想把字符串按6位数字分开。我想要这个：

235072,testing,some2wg2f4,wf484-things
224072,and,other25wg4,14-thingies
223552,testing,some/2wr24,14084-things

我该如何使用正则表达式？以下操作不起作用（使用

stringr

package）：

blahblah测试 [[1]] [1] "" ""

---

我遗漏了什么？？？

这里有一种使用正向前瞻和后向前瞻的基本R方法，感谢@thelatemail的更正：

strsplit(x, "(?<=.)(?=[0-9]{6})", perl = TRUE)[[1]]
# [1] "235072,testing,some252f4,14084-things"  
# [2] "224072,and,other2524,14084-thingies"    
# [3] "223552,testing,some/2wr24,14084-things"

---

strsplit（x，”（？一种使用
str\u extract\u all
的替代方法。注意，我已经使用
*？
进行了“非贪婪”匹配，否则
*
将展开以获取所有内容：

> str_extract_all(blahblah, "[0-9]{6}.*?(?=[0-9]{6}|$)")[[1]]
[1] "235072,testing,some252f4,14084-things"  "224072,and,other2524,14084-thingies"    "223552,testing,some/2wr24,14084-things"

一种简单易懂的方法是添加一个标记，然后根据这些标记的位置进行拆分。这样做的优点是，只能查找6位数的序列，而不需要周围文本中的任何其他功能，这些功能可能会随着添加新的和未录制的数据而改变

library(stringr)
library(magrittr)

str <- "235072,testing,some252f4,14084-things224072,and,other2524,14084-thingies223552,testing,some/2wr24,14084-things"

out <- 
    str_replace_all(str, "(\\d{6})", "#SPLIT_HERE#\\1") %>% 
    str_split("#SPLIT_HERE#") %>% 
    unlist

[1] ""                                       "235072,testing,some252f4,14084-things" 
[3] "224072,and,other2524,14084-thingies"    "223552,testing,some/2wr24,14084-things"

使用不太复杂的正则表达式，可以执行以下操作：

s <- "235072,testing,some252f4,14084-things224072,and,other2524,14084-thingies223552,testing,some/2wr24,14084-things"
l <- str_locate_all(string = s, "[0-9]{6}")
str_sub(string = s, start = as.data.frame(l)$start, 
    end = c(tail(as.data.frame(l)$start, -1) - 1, nchar(s)) )
# [1] "235072,testing,some252f4,14084-things"
# [2] "224072,and,other2524,14084-thingies"
# [3] "223552,testing,some/2wr24,14084-things"

s通过在正则表达式中使用
*
可以允许它匹配任何内容。因此，拆分正则表达式扩展到字符串的整个长度，然后当您拆分字符串的任一侧时，在开始和结束处都会出现两个空字符串。谢谢！这解决了问题。不过，我刚刚意识到我有一些7位数的数字在处理字符串p、 你有办法排除7位数字，但继续按6位数字进行解析？？谢谢！该死的，我讨厌正则表达式。你推荐任何好的介绍？？每次我想我明白了，我就在这里结束了……你的解决方案切断了前两行的最后一个字符。为什么会这样？@lukehawk，问题是最后的字符被用于拆分。至于介绍，我不确定。在这里练习和回答问题很有效。@lukehawk，对于你的新问题，请尝试
strsplit（x，“（？谢谢Julius-我不知道这有什么关系，但是这个字符串非常大，大约50MB。我已经切换到
str_extract_all
解决方案，因为它似乎能够更好地处理大字符串。我实际上使用了这个解决方案，因为它似乎可以更好地处理我的非常大的字符串（49MB）。但是，我现在如何调整它以接受6位或3位（但不是任何其他数量）整数作为分隔符呢？这是有效的
str_extract_all（mystring，[0-9]*.*（？=\\s{5}[0-9]{3}{124; \\ s{5}[0-9]{6}$）
，但它在每个实字符串之后添加一个空字符串，所以我得到的结果是原来的两倍。知道为什么吗？明白了！这非常有效-
stru-extract-all（mystring），（\\d{6}\\d{3}）。*？（？=\\s{5}[0-9]{3}\\\s{5}[0-9]{6}[1]
谢谢大家的帮助！我想因为你只有
（
）lookahead在这一点上，它允许在lookahead匹配的点上进行零长度匹配。但是，在评论中很难解决这一问题，最好写一个新问题，并给出新问题的明确示例（只要你有好的示例来说明它与此问题的区别，就可以了）。
[1] "235072,testing,some252f4,14084-things"  "224072,and,other2524,14084-thingies"   
[3] "223552,testing,some/2wr24,14084-things"

s <- "235072,testing,some252f4,14084-things224072,and,other2524,14084-thingies223552,testing,some/2wr24,14084-things"
l <- str_locate_all(string = s, "[0-9]{6}")
str_sub(string = s, start = as.data.frame(l)$start, 
    end = c(tail(as.data.frame(l)$start, -1) - 1, nchar(s)) )
# [1] "235072,testing,some252f4,14084-things"
# [2] "224072,and,other2524,14084-thingies"
# [3] "223552,testing,some/2wr24,14084-things"