Regex R-在邮政编码字符串中插入可变数量的空格

我有一套英国邮政编码，需要重新格式化。它们由incode和outcode组成，其中incode的形式为“数字字母字母”，例如2DB，outcode是2到4个字母和数字的组合，例如NW1或SW10或EC1A

目前，incode和outcode之间有一个空格，但我需要重新格式化这些空格，以便完整的邮政编码为7个字符长，例如：（“-”代表空格）

• NW1-2DB->NW1-2DB（输出代码和输入代码之间有1个空格）
• SW10-9NH->SW109NH（0个空间）
• E1-6QL->E1--6QL（2个空格）

数据：

但是得到这个错误：

错误：无效的“times”参数

没有创建邮政编码7的最后一步，df如下所示：

df
#   postcode outcode incode out_length 
# 1  NW1 2DB     NW1    2DB          3  
# 2 SW10 9NH    SW10    9NH          4 
# 3   E1 6QL      E1    6QL          2 

如果我将rep'times'参数设置为常量，代码将按预期运行（但不执行我需要它执行的操作！）

df%
突变（outcode=gsub（'？（\\S+\\S*\\d\\w{2}$'，'\\1'，邮政编码），
incode=gsub（'\\S+\\S*？（\\d\\w{2}）$'，'\\1'，邮政编码））%>%
突变（输出长度=nchar（输出代码））%>%
突变（邮政编码7=粘贴0（输出代码，
粘贴0（rep（“，4），collapse=”“），
国际编码）
df
#邮政编码输出代码输入代码输出长度邮政编码7
#1 NW1 2DB NW1 2DB 3 NW1 2DB
#2 SW10 9NH SW10 9NH 4 SW10 9NH
#3 E1 6QL E1 6QL 2 E1 6QL

有没有办法让

rep（）

接受一列作为mutate中的times参数？或者我应该考虑一种完全不同的方法

---

编辑：我刚刚意识到，我可以对输出代码中的每一个2个字符、3个字符或4个字符使用

if

语句，但这感觉不是很优雅。

看看

stringr

包中的

stru\u-pad

方法，它适合您的情况：

library(stringr)
df<-df %>% 
    mutate(outcode=gsub('?(\\S+)\\s*\\d\\w{2}$','\\1',postcode),
           incode=gsub('\\S+\\s*?(\\d\\w{2})$','\\1',postcode)) %>%
    mutate(out_length=nchar(outcode)) %>% 
    mutate(postcode7 = paste(outcode, str_pad(incode, 7-out_length), sep = ""))

df
#   postcode outcode incode out_length postcode7
# 1  NW1 2DB     NW1    2DB          3   NW1 2DB
# 2 SW10 9NH    SW10    9NH          4   SW109NH
# 3   E1 6QL      E1    6QL          2   E1  6QL

库（stringr）
df%
突变（outcode=gsub（'？（\\S+\\S*\\d\\w{2}$'，'\\1'，邮政编码），
incode=gsub（'\\S+\\S*？（\\d\\w{2}）$'，'\\1'，邮政编码））%>%
突变（输出长度=nchar（输出代码））%>%
变异（邮政编码7=粘贴（输出代码，字符串填充（输入代码，7-out长度），sep=”“）
df
#邮政编码输出代码输入代码输出长度邮政编码7
#1 NW1 2DB NW1 2DB 3 NW1 2DB
#2 SW10 9NH SW10 9NH 4 SW109NH
#3 E1 6QL E1 6QL 2 E1 6QL

使用str_pad和分离：

library(dplyr)
library(tidyr)
library(stringr)

df %>% 
  separate(postcode, into = c("incode", "outcode"), remove = FALSE) %>% 
  mutate(
    postcode8 = paste0(incode,
                       str_pad(outcode,
                               8 - nchar(incode), side = "left", pad = " ")))

#   postcode incode outcode postcode8
# 1  NW1 2DB    NW1     2DB  NW1  2DB
# 2 SW10 9NH   SW10     9NH  SW10 9NH
# 3   E1 6QL     E1     6QL  E1   6QL

---

另一种解决方案是，使用

sprintf

格式化输出，使用

tidyr:：extract

进行匹配。这样做的优点是大大简化了填充的模式和代码：

df %>%
    extract(postcode, into = c('out', 'in'), '(\\S{2,4})\\s*(\\d\\w\\w)') %>%
    mutate(postcode = sprintf('% -4s%s', out, `in`))

---

我确实喜欢上面发布的

分离版

，但它要求邮政编码都用空格分隔。根据我的经验，通常情况并非如此。

您是否必须使用正则表达式来拆分邮政编码？

strsplit

有什么问题？@Psidom默认情况下，

strsplit

也使用正则表达式-但问题是

strsplit

需要一些东西来拆分。如果你查看OP的正则表达式，你会发现中间的空间在输入中完全是可选的。你是正确的，<代码> StruSts/Code >，只要在代码和代码之间有一个空间（如我所指定的），但是Konrad是正确的，因为邮政编码不总是这样格式化的。我的问题太具体了，这不好。@KonradRudolph OK。我正在读OP的声明，因为目前在incode和outcode之间有一个空格。没有仔细查看正则表达式。这是有道理的。该代码通常不起作用，它要求（a）至少有一个空格分隔邮政编码组，以及（b）数据框至少包含一个已正确格式化的邮政编码；否则，理由就行不通了。

df%>%mutate(Postcode7=paste0(format(gsub('\\s.*$','',postcode),justify='left'),
                        format(gsub('^\\S+\\s','',postcode),justify='right')))

library(stringr)
df<-df %>% 
    mutate(outcode=gsub('?(\\S+)\\s*\\d\\w{2}$','\\1',postcode),
           incode=gsub('\\S+\\s*?(\\d\\w{2})$','\\1',postcode)) %>%
    mutate(out_length=nchar(outcode)) %>% 
    mutate(postcode7 = paste(outcode, str_pad(incode, 7-out_length), sep = ""))

df
#   postcode outcode incode out_length postcode7
# 1  NW1 2DB     NW1    2DB          3   NW1 2DB
# 2 SW10 9NH    SW10    9NH          4   SW109NH
# 3   E1 6QL      E1    6QL          2   E1  6QL

library(dplyr)
library(tidyr)
library(stringr)

df %>% 
  separate(postcode, into = c("incode", "outcode"), remove = FALSE) %>% 
  mutate(
    postcode8 = paste0(incode,
                       str_pad(outcode,
                               8 - nchar(incode), side = "left", pad = " ")))

#   postcode incode outcode postcode8
# 1  NW1 2DB    NW1     2DB  NW1  2DB
# 2 SW10 9NH   SW10     9NH  SW10 9NH
# 3   E1 6QL     E1     6QL  E1   6QL

df %>%
    extract(postcode, into = c('out', 'in'), '(\\S{2,4})\\s*(\\d\\w\\w)') %>%
    mutate(postcode = sprintf('% -4s%s', out, `in`))

df%>%mutate(Postcode7=paste0(format(gsub('\\s.*$','',postcode),justify='left'),
                        format(gsub('^\\S+\\s','',postcode),justify='right')))