如何让match()忽略元素内部分段顺序匹配两个字符串向量？

我需要用match()匹配两个字符串向量first和second1，执行代码(desired_output = match(first, second1))能得到输出#> [1] 4 5 1 6 2 3。但second1里的字符串元素可能会被反转两部分（比如"perf.acog"变成"acog.perf"），也就是second2的形式。现在要实现：让match(first, second2)得到和match(first, second1)完全相同的输出。

注意：字符串两部分的分隔符是"[^[:alnum:]]+"定义的任意符号，比如.、_等，需要通用可行的解决方案。

相关向量定义如下：

first = c("asom.acog", "conf.acog", "perf.acog", "conf.asom", "perf.asom", 
          "perf.conf")

second1 = c("perf.acog", "perf.asom", "perf.conf", "asom.acog", "conf.acog", 
           "conf.asom")

second2 = c("acog.perf", "asom.perf", "conf.perf", "acog.asom", "acog.conf", 
            "asom.conf")

解决方案 #

核心思路是将每个字符串的两部分拆分后排序，再重新拼接成统一格式，这样反转前后的字符串会被标准化为同一形式，再执行match即可得到目标输出。

具体代码实现：

# 定义字符串标准化函数
standardize_str <- function(x) {
  # 按任意非字母数字分隔符拆分字符串
  parts <- strsplit(x, "[^[:alnum:]]+")
  # 对拆分后的两部分排序，再用点号拼接（统一格式）
  sapply(parts, function(p) paste(sort(p), collapse = "."))
}

# 对向量标准化后执行匹配
result <- match(standardize_str(first), standardize_str(second2))
print(result)
#> [1] 4 5 1 6 2 3

说明

• strsplit(x, "[^[:alnum:]]+") 可以适配任意非字母数字分隔符（比如.、_、-等），准确拆分字符串的两部分；
• 对拆分后的部分排序再拼接，能让"perf.acog"和"acog.perf"这类反转字符串变成完全一致的标准化形式；
• 标准化后的向量执行match，就能得到和match(first, second1)完全相同的结果。

内容的提问来源于stack exchange，提问作者Simon Harmel