R语言：检测tibble中句子是否包含指定姓名列表元素

要实现需求，核心是把姓名列表合并成一个正则匹配模式，让每个句子一次性检查是否包含任意姓名。以下是两种可行方案：

方案一：使用tidyverse工具链 #

library(tidyverse)

# 原始数据
df <- tibble(sentences = c("Bob is looking for something", "Adriana has an umbrella", "Michael is looking at..."))
names <- tibble(names = c("Bob", "Mary", "Michael", "John", "Etc."))

# 生成匹配规则：用单词边界\\b确保匹配完整姓名，避免部分匹配（比如不会把"Bobbie"误判为包含"Bob"）
name_pattern <- str_c("\\b", names$names, "\\b", collapse = "|")

# 添加check列
df <- df %>%
  mutate(check = str_detect(sentences, name_pattern))

# 输出结果
df

运行后会得到目标tibble：

# A tibble: 3 × 2
  sentences                          check
  <chr>                             <lgl>
1 Bob is looking for something      TRUE 
2 Adriana has an umbrella           FALSE
3 Michael is looking at...          TRUE 

方案二：使用Base R #

如果不想加载tidyverse，用Base R也能实现：

# 原始数据
df <- tibble(sentences = c("Bob is looking for something", "Adriana has an umbrella", "Michael is looking at..."))
names <- tibble(names = c("Bob", "Mary", "Michael", "John", "Etc."))

# 生成匹配模式
name_pattern <- paste0("\\b", names$names, "\\b", collapse = "|")

# 新增check列
df$check <- grepl(name_pattern, df$sentences, perl = TRUE)

分析你之前的错误 #

• 方法一：grepl(pattern = names$names, x = df$sentences) 的问题在于，当pattern是向量时，grepl会按循环规则匹配（第一个姓名匹配第一个句子，第二个姓名匹配第二个句子……），而非每个句子匹配所有姓名，所以结果不符合预期。
• 方法二：逻辑完全错误：names$names %in% df$sentences是判断姓名是否和整个句子完全相等，而非句子包含姓名；同时str_detect的参数顺序也用反了，它的第一个参数是待检查的字符串，第二个才是匹配模式。

内容的提问来源于stack exchange，提问作者Malichot