基于外部长度表检测R数据框中字符串超长的行

我来帮你解决这个字符串长度校验的问题，这里有两种适配tidyverse和Base R的方案，都能精准筛选出未通过检测的行：

先准备示例数据 #

首先先重现你给出的两个数据框，确保代码可直接运行：

library(tibble)

# 原始数据框
df <- tibble(
  person = c("Alice", "Bob", "Mary"),
  colour = c("Red", "Green", "Blue"),
  city = c("London", "Paris", "New York")
)

# 字段长度限制表
len <- tibble(
  field_name = c("person", "colour", "city"),
  field_length = c(12, 4, 6)
)

Tidyverse 方案（推荐，更直观） #

如果你习惯用tidyverse工具链，可以用dplyr和stringr的组合来实现：

library(dplyr)
library(stringr)
library(purrr)

# 将长度限制表转换为命名向量，方便按字段名匹配对应长度
length_limits <- deframe(len)

# 筛选未通过检测的行
invalid_rows <- df %>%
  # 对每个目标字段，生成标记列：是否超过长度限制
  mutate(
    across(
      all_of(names(length_limits)),
      ~ str_length(.) > length_limits[[cur_column()]],
      .names = "invalid_{col}"
    )
  ) %>%
  # 筛选出至少有一个字段违规的行
  filter(rowSums(select(., starts_with("invalid_"))) > 0) %>%
  # 移除临时标记列，保留原始数据结构
  select(-starts_with("invalid_"))

# 查看结果
invalid_rows

代码解释 #

1. deframe(len)：把len表转换为命名向量，键是字段名，值是对应的最大长度，这样后续可以直接通过字段名调取限制值。
2. across()：遍历所有需要检查的字段，用str_length()计算字符串长度，和对应限制值比较，生成invalid_xxx格式的临时列，标记该行该字段是否违规。
3. rowSums()：统计每行的违规字段数量，筛选出违规数>0的行，最后移除临时列得到结果。

Base R 方案 #

如果你偏好Base R语法，也可以用以下实现：

# 将长度限制表转换为命名向量
length_limits <- setNames(len$field_length, len$field_name)

# 生成每行是否违规的逻辑向量
is_invalid <- apply(
  # 对每个字段计算长度是否超限，得到逻辑矩阵
  sapply(df, function(col) nchar(col) > length_limits[[colnames(df)[which(colnames(df) == deparse(substitute(col)))] ]]),
  1,
  # 按行检查：只要有一个字段违规，该行就标记为TRUE
  any
)

# 筛选未通过检测的行
invalid_rows <- df[is_invalid, ]

# 查看结果
invalid_rows

结果验证 #

两种方案都会返回你预期的结果：

# A tibble: 2 x 3
  person colour city    
  <chr>  <chr>  <chr>   
1 Bob    Green  Paris   
2 Mary   Blue   New York

内容的提问来源于stack exchange，提问作者Simon