如何在R语言中判断字符串是否以指定词干开头并返回匹配词干

可以借助tidyverse工具包中的stringr和purrr实现需求，以下提供两种实用方案：

方案1：构造统一正则模式（简洁高效） #

将词干列表转换为匹配字符串开头的正则表达式，用str_extract()直接提取匹配的词干：

library(tidyverse)

stems <- c("fri", "odd", "inspi")
dat <- tibble(complete_word = c("fright", "todd", "quirky", "oddly"))

# 拼接正则模式：^表示匹配字符串开头，|分隔多个候选词干
stem_pattern <- str_c("^(", str_c(stems, collapse = "|"), ")")

dat <- dat %>%
  mutate(stem = str_extract(complete_word, stem_pattern))

# 查看结果
dat

运行后输出符合预期：

# A tibble: 4 × 2
  complete_word stem 
  <chr>         <chr>
1 fright        fri  
2 todd          NA   
3 quirky        NA   
4 oddly         odd  

方案2：逐词干匹配（逻辑灵活） #

通过map_chr()遍历每个单词，用str_starts()检查是否匹配词干列表中的项，返回首个匹配的词干或NA：

library(tidyverse)

stems <- c("fri", "odd", "inspi")
dat <- tibble(complete_word = c("fright", "todd", "quirky", "oddly"))

dat <- dat %>%
  mutate(stem = map_chr(complete_word, ~{
    # 筛选出当前单词开头匹配的词干
    matched <- stems[str_starts(.x, stems)]
    # 有匹配则返回词干，否则返回NA
    if (length(matched) > 0) matched else NA_character_
  }))

# 查看结果
dat

关于str_starts()的使用误区 #

直接给str_starts()传入词干列表时，它会返回一个逻辑矩阵（每行对应一个单词，每列对应一个词干的匹配结果），而非直接返回匹配的词干。上面两种方案分别通过正则整合或筛选逻辑，解决了这个问题，最终得到你需要的结果。

内容的提问来源于stack exchange，提问作者Adam_G