我试图将一个相当混乱的列分成两列，其中包含period and 描述。我的数据类似于下面的摘录：

set.seed(1)
dta <- data.frame(indicator=c("someindicator2001", "someindicator2011",
                              "some text 20022008", "another indicator 2003"),
                  values = runif(n = 4))

期望的结果

期望的结果应该是这样的：

          indicator   period    values
1     someindicator     2001 0.2655087
2     someindicator     2011 0.3721239
3         some text 20022008 0.5728534
4 another indicator     2003 0.9082078

特征

1. 指标描述在一列中
2. 数值（从第一个数字开始计数with第一个数字在第二列）

Code

require(dplyr); require(tidyr); require(magrittr)
dta %<>%
  separate(col = indicator, into = c("indicator", "period"),
           sep = "^[^\\d]*(2+)", remove = TRUE)

这自然是行不通的：

> head(dta, 2)
  indicator period    values
1              001 0.2655087
2              011 0.3721239

其他尝试

• 我也尝试过默认的分离方法sep = "[^[:alnum:]]"但它将该列分解为太多列，因为它似乎匹配所有可用数字。
• The sep = "2*"也不起作用，因为有时有太多 2（例子：20032006).

我想做的归结为：

• 识别字符串中的第一个数字
• 根据该章程分居。事实上，我也很乐意保留这个特殊的性格。

我想这可能会做到。

library(tidyr)
separate(dta, indicator, c("indicator", "period"), "(?<=[a-z]) ?(?=[0-9])")
#           indicator   period    values
# 1     someindicator     2001 0.2655087
# 2     someindicator     2011 0.3721239
# 3         some text 20022008 0.5728534
# 4 another indicator     2003 0.9082078

以下是正则表达式的解释，由regex101.

• (?<=[a-z])是一个积极的回顾 - 它断言[a-z]（匹配a和z之间范围内存在的单个字符（区分大小写））可以匹配
• ?从字面上匹配前面的空格字符，在零到一次之间，尽可能多次，根据需要返回
• (?=[0-9])是一个积极的前瞻 - 它断言[0-9]（匹配 0 到 9 范围内的单个字符）可以匹配