使用stringr::str_replace处理数据框列中特殊字符匹配问题

问题背景 #

需将数据框中列a的元素替换为列b的对应值，但列a包含*、+等正则特殊字符，直接使用stringr::str_replace_all会因正则解析规则导致匹配失效。自行编写escape_spl_chars函数转义特殊字符后，生成的正则模式列已验证可匹配列a，但str_replace_all无法自动识别行级的模式-替换值对应关系。要求延续现有Git代码（多团队共用）。

核心原因 #

stringr::str_replace_all默认是向量化批量处理：若传入列作为模式和替换值，它会将模式列的所有元素作为全局匹配规则，而非逐行对应匹配。因此需要显式指定逐行配对处理逻辑。

可行方案 #

方案1：用dplyr::rowwise()实现逐行替换 #

通过rowwise()将数据框切换为行级处理模式，确保每一行的转义模式VISIT_INSTACE1和替换值b一一对应传入str_replace_all：

x1 <- x1 %>% 
  rowwise() %>% 
  mutate(newvisitcode = stringr::str_replace_all(a, VISIT_INSTACE1, b)) %>% 
  ungroup() # 处理后取消行分组，避免影响后续操作

方案2：用purrr::pmap_chr()实现逐行映射 #

利用purrr的pmap系列函数，直接将列a、VISIT_INSTACE1、b按行配对传递给str_replace_all：

library(purrr)

x1 <- x1 %>% 
  mutate(newvisitcode = pmap_chr(list(a, VISIT_INSTACE1, b), 
                                 ~stringr::str_replace_all(..1, ..2, ..3)))

完整测试代码 #

x <- data.frame(a = c("abc*^!", "abcde+", "abcde123********++++++", "Post TCZ 6 hours (+-3hrs)"),
                b = c('xx', 'yy', 'zz', 'aa'), stringsAsFactors = F)

escape_spl_chars <- function(arg1){
  
  return_x <- sapply(strsplit(arg1, "", fixed = TRUE), function(y) {
    pasted_chars <- sapply(y, function(char) {
      # Convert character to ASCII code
      ascii_code <- as.integer(charToRaw(char))
      
      # Check if it's a special character and escape it
      if ((ascii_code >= 33 & ascii_code <= 47) | 
          (ascii_code >= 58 & ascii_code <= 64) | 
          (ascii_code >= 91 & ascii_code <= 96) | 
          (ascii_code >= 123 & ascii_code <= 126)) {
        return(paste0("\\\\", char))  # Escape special character
      } else if (ascii_code == 32){
        return(paste0("\\\\", 's')) # Escape space character
      } else {
        return(char)  # Return normal character
      }
    })
    
    # Collapse the characters back into a single string
    paste0(pasted_chars, collapse = "")
  })
  
  return(return_x)
  
}

x1 <- x %>% mutate(VISIT_INSTACE1 = escape_spl_chars(a))

# 采用方案1执行替换
x1 <- x1 %>% 
  rowwise() %>% 
  mutate(newvisitcode = stringr::str_replace_all(a, VISIT_INSTACE1, b)) %>% 
  ungroup()

# 验证结果
print(x1$newvisitcode)
# 输出：[1] "xx" "yy" "zz" "aa"

内容的提问来源于stack exchange，提问作者san