如何用R语言grepl函数提取匹配的具体品牌元素？

已有数据框df1的品牌列：

brands
1 Nike   
2 Adidas  
3 D&G

数据框df2的语句列：

statements 
1 I love Nike   
2 I don't like Adidas   
3 I hate Puma  

之前使用以下代码筛选出了包含目标品牌的df2子集：

subset_df2 <- df2[grepl(paste(df1$brands, collapse="|"), ignore.case=TRUE, df2$statements), ] 

现在需要提取每个匹配语句中对应的具体品牌元素（得到向量[Nike, Adidas]），而非完整语句，实现方法如下：

方法1：使用stringr包（简洁推荐） #

stringr包的str_extract函数可直接从字符串中提取匹配正则表达式的内容，步骤如下：

# 构造示例数据（已有数据可跳过）
df1 <- data.frame(brands = c("Nike", "Adidas", "D&G"), stringsAsFactors = FALSE)
df2 <- data.frame(statements = c("I love Nike", "I don't like Adidas", "I hate Puma"), stringsAsFactors = FALSE)

# 首次使用需安装包：install.packages("stringr")
library(stringr)

# 生成匹配所有品牌的正则模式
brand_pattern <- paste(df1$brands, collapse = "|")

# 提取每个语句中匹配的品牌，忽略大小写
matched_brands <- str_extract(df2$statements, regex(brand_pattern, ignore_case = TRUE))

# 移除未匹配到品牌的NA值
matched_brands <- na.omit(matched_brands)

执行后matched_brands的结果为：

[1] "Nike"   "Adidas"

方法2：基础R实现（无需额外包） #

如果不想加载第三方包，可用基础R的regmatches和regexec函数实现：

# 构造示例数据（已有数据可跳过）
df1 <- data.frame(brands = c("Nike", "Adidas", "D&G"), stringsAsFactors = FALSE)
df2 <- data.frame(statements = c("I love Nike", "I don't like Adidas", "I hate Puma"), stringsAsFactors = FALSE)

# 生成匹配模式
brand_pattern <- paste(df1$brands, collapse = "|")

# 匹配并提取品牌
matches <- regmatches(df2$statements, regexec(brand_pattern, df2$statements, ignore.case = TRUE))
matched_brands <- unlist(lapply(matches, function(x) if(length(x) > 0) x[1] else NA))

# 移除NA值
matched_brands <- na.omit(matched_brands)

得到的结果与方法1一致。

内容的提问来源于stack exchange，提问作者Max Schmidt