在R中实现表格整词模糊匹配：仅匹配完整单词

现有可复现代码如下：

library(tidyverse)
a <- tibble(navn=c("Oslo kommune", "Oslo kommune", "Kommunen i Os", "Kommunen i Eidsberg", "Eid fylkeskommune"), person=c("a", "c", "b", "a", "b"))
b <- tibble(knavn=c("Oslo", "Eid", "Eidsberg", "Os"), tall=c(1,2,3,4))

library(fuzzyjoin)
library(stringr)

c <- a %>%
  fuzzy_left_join(b, by=c("navn"="knavn"), match_fun=str_detect)

当前代码存在错误匹配："Oslo kommune"会同时匹配"Oslo"和"Os"，"Kommunen i Eidsberg"会同时匹配"Eidsberg"和"Eid"。需要实现仅匹配navn字段中的完整单词与knavn字段的单词完全一致，最终期望结果如下：

tibble(navn=c("Oslo kommune", "Oslo kommune", "Kommunen i Os", "Kommunen i Eidsberg", "Eid fylkeskommune"), person=c("a", "c", "b", "a", "b"), knavn=c("Oslo","Oslo", "Os", "Eidsberg", "Eid"),tall=c(1,1,4,3,2))

核心是利用单词边界正则实现精准的完整单词匹配，修改fuzzy_left_join的match_fun逻辑即可：

library(tidyverse)
library(fuzzyjoin)
library(stringr)

a <- tibble(navn=c("Oslo kommune", "Oslo kommune", "Kommunen i Os", "Kommunen i Eidsberg", "Eid fylkeskommune"), person=c("a", "c", "b", "a", "b"))
b <- tibble(knavn=c("Oslo", "Eid", "Eidsberg", "Os"), tall=c(1,2,3,4))

c <- a %>%
  fuzzy_left_join(
    b,
    by = c("navn" = "knavn"),
    match_fun = function(x, y) {
      str_detect(x, regex(y, boundary = "word"))
    }
  )

关键说明 #

• regex(y, boundary = "word")会为每个knavn字符串添加单词边界约束（等价于正则表达式中的\b），确保仅匹配navn中独立的完整单词，而非子串。
• 此逻辑可避免短单词被误匹配到包含它的长单词中，完美满足需求："Oslo kommune"仅匹配"Oslo"，"Kommunen i Eidsberg"仅匹配"Eidsberg"，其余条目也能精准对应。

内容的提问来源于stack exchange，提问作者Ajern