在R中替换含特殊字符字符串的问题解决方案咨询

原始数据集 #

目标数据集（含德语特殊字符及括号、斜杠等符号）：

df <- data.frame(
id = 1:8,
date = seq.Date(as.Date("2024-12-01"), as.Date("2024-12-08"), "day"),
group = rep(LETTERS[1:2], 4),
text1 = c("Österreichische Botschaft", "Außenministerium", "Bundesheer", "Präsident",
          "Bundesregierung / Bundeskanzler", "Parteien", "Justiz", 
          "Erwerbstätig (unselbständig)")
)

替换规则数据集：

df_replace <- data.frame(
original = c("Österreichische Botschaft", "Außenministerium", "Präsident",
             "Bundesregierung / Bundeskanzler", "Parteien", "Justiz", 
             "Erwerbstätig (unselbständig)"),
replacement = c("Austrian embassy", "Foreign ministry", "President",
                "Government / Chancellor", "Parties", "Judiciary", "Working (employed)")
)

问题痛点 #

• 使用stringi::stri_replace_all_fixed时，若两个数据集行数不匹配会报错，且替换结果完全依赖字符串顺序，顺序变动则失效。
• 使用stringr::str_replace_all时，括号、斜杠等特殊字符会被当作正则表达式语法解析，导致匹配失败。

可行解决方案 #

方案1：用dplyr关联匹配替换（最稳妥）

通过left_join按字符串精确关联两个数据集，匹配到的内容用替换值覆盖，未匹配的保留原内容，完全不依赖顺序，也不受特殊字符影响：

library(dplyr)

df_updated <- df %>%
  left_join(df_replace, by = c("text1" = "original")) %>%
  mutate(text1 = coalesce(replacement, text1)) %>% # 自动取非NA值，比ifelse更简洁
  select(-replacement)

print(df_updated)

方案2：给stringr添加固定字符串标识

利用fixed()告诉str_replace_all将原始字符串当作固定文本解析，避免正则特殊字符干扰，同时用键值对定义替换规则，不依赖顺序：

library(stringr)

# 构造键值对替换规则：原始字符串为键，替换字符串为值
replace_map <- set_names(df_replace$replacement, df_replace$original)

df_updated <- df %>%
  mutate(text1 = str_replace_all(text1, fixed(replace_map)))

print(df_updated)

方案3：stringi的键值对替换

使用stringi::stri_replace_all_fixed结合命名向量作为替换规则，指定vectorize_all = FALSE实现键值对匹配：

library(stringi)

replace_map <- set_names(df_replace$replacement, df_replace$original)

df_updated <- df %>%
  mutate(text1 = stri_replace_all_fixed(text1, pattern = names(replace_map), replacement = replace_map, vectorize_all = FALSE))

print(df_updated)

内容的提问来源于stack exchange，提问作者feder80