R语言提取数据框文本列中父本来源信息

假设数据框df如下：

df <- data.frame(品种来源 = c('父本来源：A；母本来源：B', '母本来源：C，父本来源：D', '父本 C, 母本 D', '母本 D, 父本 C'))

我们可以使用正则表达式来提取父本来源的内容：

df$父本来源 <- gsub('.*父本来源[:：]?\s*([[:alnum:]]+).*', '\1', df$品种来源)

解释一下这个正则表达式：

• .* 匹配任意字符（不包括换行符）0次或多次。
• 父本来源 匹配'父本来源'这个字符串。
• [:：]? 匹配0个或1个冒号或者中文冒号。
• \s* 匹配0个或多个空格。
• ([[:alnum:]]+) 匹配1个或多个字母或数字，并将其捕获。
• .* 匹配任意字符（不包括换行符）0次或多次。

我们使用gsub()函数将匹配到的内容替换为捕获的内容，即父本来源。最后将结果存储到新列父本来源中。

执行完上述代码后，数据框df将变为：

            品种来源 父本来源
1 父本来源：A；母本来源：B      A
2 母本来源：C，父本来源：D      D
3        父本 C, 母本 D      C
4        母本 D, 父本 C      C