分割不同的固定宽度字符串格式

Question

新手提问！我有一列包含两种不同固定宽度格式的字符串。我们可以通过名称识别格式的类型，并根据格式分割字符串。

df <- data.frame(
var1 =  c('M1B123456789MM1158','M1C123456789zMM1183'),
var2 =  c('code1','code8'))

固定宽度格式为：

formatM1B = c(3,9,2,4)
formatM1C = c(3,9,1,2,4)

所以我希望这个结果：

 |format|var1_2   |var1_3|var1_5|var1_6|code |
1|M1B   |123456789|      |MM    |1158  |code1|
2|M1C   |123456789|z     |MM    |1183  |code8|

我尝试了split、str_split或str_split_fixed函数，但我不知道如何将其与某种 IF 函数结合起来以“测试”或“正则表达式”字符串中提到的格式。这个问题肯定被问了很多次，我做了几个小时的研究，但无法找到适合我的数据的东西：/

Answer 1

library(tidyverse)

df %>% 
   extract(col= var1,into = c('format','1','2','3','4'), 
          regex = "^(M[1-9][A-Z])([1-9]{9})(z)?(M{2})([1-9]{4})")

正则表达式有 5 组：

1. (M[1-9][AZ])：搜索 M、int: 1,...,9 和一个大写字母
2. ([1-9]{9})：搜索 9 个 int 数字：1,...,9
3. (z)?：查找是否有az或跳过
4. (M{2})：搜索 2 M
5. ([1-9]{4})：搜索 4 个 int 数字：1,...,9

输出：

  format         1 2  3    4  var2
1    M1B 123456789   MM 1158 code1
2    M1C 123456789 z MM 1183 code8