R语言：跨数据集匹配有序姓名与无序文件名的技术问询

现有两个数据集：

• dataset1：包含Name字段，存储格式为固定顺序的名+姓，以单个空格分隔（如Jimbo Jones）
• dataset2：包含FileName字段，存储pdf/docx文件路径，其中姓名顺序不定，且未必以空格分隔（可能用下划线或其他符号）

需要将两个数据集按姓名关联，返回每个Name对应的FileName。示例输入与理想输出见下方代码块，优先采用tidyverse方案。

核心思路是拆分姓名为独立的名、姓，生成能同时匹配名和姓（忽略顺序、分隔符）的正则表达式，再用该正则匹配文件名路径，最终关联结果。

完整代码 #

library(tidyverse)

# 示例数据
eg_data1 <- tibble(
  Name = c('Jeff Mills', 'Mike Banks', 'Mark Ernestus', 'Woody McBride', 'Adam Beyer', 'Cari Lekebusch'))
eg_data2 <- tibble(
  FileName = c('Y:/MyStuff/NoReally/Mine/Bio/Jeff Mills.pdf', 'Y:/MyStuff/NoReally/Mine/Bio/Banks_Mike_history.doc', 'Y:/MyStuff/NoReally/Mine/Bio/Mark_Ernestus_bio_2021.08.13.pdf', 'Y:/MyStuff/NoReally/Mine/Bio/Woody McBride yeah.pdf', 'Y:/MyStuff/NoReally/Mine/Bio/Beyer_Adam_Beyer.pdf', 'Y:/MyStuff/NoReally/Mine/Bio/Cari Lekebusch docs.pdf'))

# 处理步骤
result <- eg_data1 %>%
  # 拆分姓名为名、姓两列，保留原Name字段
  separate(Name, into = c("first_name", "last_name"), sep = " ", remove = FALSE) %>%
  # 生成正则：确保文件名同时包含名和姓，顺序不限
  mutate(name_pattern = str_glue("(?=.*{first_name})(?=.*{last_name})")) %>%
  # 按行匹配对应的文件名
  rowwise() %>%
  mutate(FileName = list(filter(eg_data2, str_detect(FileName, regex(name_pattern, ignore_case = FALSE))$FileName))) %>%
  unnest(FileName) %>%
  # 保留目标列
  select(Name, FileName)

# 查看结果
result

代码说明 #

1. 拆分姓名：用separate将Name拆分为first_name和last_name，保留原字段用于最终输出
2. 生成匹配正则：使用正向预查语法，确保文件名中同时包含名和姓，不限制二者出现顺序
3. 匹配关联：按行遍历每个姓名，用str_detect筛选符合正则的文件名，再展开结果
4. 整理输出：仅保留Name和FileName列，得到与示例eg_data3一致的结果

内容的提问来源于stack exchange，提问作者Adam_S