Regex 从字符串末尾拆分分隔符的次数固定

我有一个数据框，如下所示：

df = data.frame(a = 1:4, strings = c('ooss_bboo_foo','ee_bbbbee_fffee','aas_baa_ffaa_daa', 'iisss_bbbbii_ffffii_dii_mii'))

我想在

上拆分，生成新的列（或新的数据帧，其实并不重要）。可以使用
min（长度（strsplit（df$strings，“”））
和
max（长度（strsplit（df$strings，“”））

期望输出：

  X1                   X2       X3
1 ooss                 bboo     foo
2 ee                   bbbbee   fffee
3 aas_baa              ffaa     daa
4 iisss_bbbbii_ffffii  dii      mii

我已经尝试了大量的正则表达式，我已经非常绝望了…
以下是一些可能的解决方案：

1）gsubfn包中的read.pattern
read.pattern
可以直接生成数据帧结果。没有使用其他软件包。它使用一个特别简单的正则表达式

首先，我们创建模式，
pat
。例如，如果
k
是
3
，那么
pat
是
“（.*）_（.*）_（.*）”
。然后，只需运行
read.pattern
即可生成结果data.frame：

library(gsubfn)

strings <- as.character(df$strings) # ensure it's character, not factor
k <- min(lengths(strsplit(strings, "_"))) # from question

pat <- paste(rep("(.*)", k), collapse = "_")
read.pattern(text = strings, pattern = pat, as.is = TRUE)

2）子/读取表格。相对于先前的解决方案，该解决方案涉及一个额外的步骤（sub

/

repl

部分）；但是，它根本不使用包。它使用上面的

字符串

、

k

和

pat

。如果

k

等于3，

repl

的值将是

“\\1，\\2，\\3”

repl我提出了一个“蛮力”版本。由于OP决定添加彩色评论，下面是接受答案与此答案之间的比较（我删除的评论是错误的，我的答案比“更少但仍然额外”的答案快，如果这类事情对人们很重要的话）：

库（stringi）
图书馆（magrittr）
图书馆（purrr）
图书馆（gsubfn）
图书馆（GG2）
图书馆（微基准）
df%
地图测向（功能（x）{
数据帧（rbind（版本（stri_reverse（x））），stringsAsFactors=FALSE）
})
}
gsubfn_split_fixed_right你介意详细解释一下为什么它从结尾而不是从开头分开吗？是
模式中的技巧
还是
读取模式
？正则表达式是贪婪的，所以第一个
*
会尽可能地吞掉所有东西。这种情况总是如此，不仅仅是在
read.pattern
中。其关键字是回溯：）添加了第二个解决方案。+100用于此用例的
read.table
版本。它比其他两个调用要快得多。
do.call（'rbind'，strsplit（as.character（df$strings），'（？=[a-z]+$）（？=[a-z]+.[a-z]+$），perl=TRUE））
                   V1     V2    V3
1                ooss   bboo   foo
2                  ee bbbbee fffee
3             aas_baa   ffaa   daa
4 iisss_bbbbii_ffffii    dii   mii

repl <- paste(paste0("\\", 1:k), collapse = ",")
read.table(text = sub(pat, repl, strings), sep = ",", as.is = TRUE)

library(stringi)
library(magrittr)
library(purrr)
library(gsubfn)
library(ggplot2)
library(microbenchmark)

df <- data.frame(a=1:4,
                 strings=c('ooss_bboo_foo',
                           'ee_bbbbee_fffee',
                           'aas_baa_ffaa_daa',
                           'iisss_bbbbii_ffffii_dii_mii'))

str_split_right_fixed <- function(str, pat, n) {
  stri_reverse(df$strings) %>%
    stri_split_fixed(pat, n) %>%
    map_df(function(x) {
      data.frame(rbind(rev(stri_reverse(x))), stringsAsFactors=FALSE)
    })
}

gsubfn_split_fixed_right <- function(str, pat, n) {
  pat <- paste(rep("(.*)", n), collapse = pat)
  read.pattern(text = as.character(str), pattern = pat)
}

tab_split_fixed_right <- function(str, pat, n) {
  repl <- paste(paste0("\\", 1:n), collapse = ",")
  read.table(text = sub(pat, repl, str), sep = ",")
}

microbenchmark(str=str_split_right_fixed(df$strings, "_", 3),
               gsb=gsubfn_split_fixed_right(df$strings, "_", 3),
               tab=tab_split_fixed_right(df$strings, "_", 3),
               times=1000) -> mb

autoplot(mb)