R语言gsub循环致字符重复，如何修复作者ID与姓名匹配问题？

原方法错误的核心原因 #

1. 未建立全局ID-姓名映射：直接基于原数据框的行做循环替换，没有先把分号分隔的ID和姓名拆成一对一的全局映射表，导致同一ID在不同行的姓名无法被统一更新，比如ID"56979441000"的不同姓名分散在多行，循环只处理当前行的局部替换，没覆盖全局。
2. gsub批量替换引发重复：直接对整列的分号字符串执行gsub，循环过程中会重复替换已修改的内容。比如第一次把"张三"换成"Zhang San"，后续循环如果再次匹配到相关规则，会把已经替换好的"Zhang San"再次处理，造成字符重复。
3. 未处理字符边界与空格：姓名前后可能带空格（比如" 张三 " vs "张三"），或者gsub没加边界匹配（如\\b），导致匹配不到目标字符串，或者误替换其他包含目标字符的姓名，最终出现替换不彻底的情况。

正确处理步骤 #

1. 拆分数据，建立全局ID-姓名映射 #

先把分号分隔的列拆成每行一个ID和对应姓名的长格式，同时清理空格：

library(tidyr)
library(dplyr)

# 拆分列并清理空格
test_long <- test2 %>%
  mutate(row_id = row_number()) %>% # 保留原行号用于后续合并
  separate_rows(AU, Author.s..ID, sep = ";") %>%
  mutate(
    AU = trimws(AU),
    Author.s..ID = trimws(Author.s..ID)
  )

2. 为每个ID确定标准姓名 #

可以选择出现次数最多的姓名作为标准（更准确），或者首次出现的姓名：

# 方案1：选出现次数最多的姓名作为标准
name_mapping <- test_long %>%
  count(Author.s..ID, AU, sort = TRUE) %>%
  group_by(Author.s..ID) %>%
  slice(1) %>%
  ungroup() %>%
  select(Author.s..ID, standard_name = AU)

# 方案2：选首次出现的姓名作为标准
# name_mapping <- test_long %>%
#   distinct(Author.s..ID, .keep_all = TRUE) %>%
#   select(Author.s..ID, standard_name = AU)

3. 替换并合并回原格式 #

把每个ID对应的姓名替换成标准名，再合并成分号分隔的字符串：

test_clean <- test_long %>%
  left_join(name_mapping, by = "Author.s..ID") %>%
  group_by(row_id) %>%
  summarise(
    AU = paste(standard_name, collapse = ";"),
    Author.s..ID = paste(Author.s..ID, collapse = ";")
  ) %>%
  select(-row_id)

内容的提问来源于stack exchange，提问作者Rizky Merdietio