如何在R中识别字符串内指定词汇的出现顺序，替代Excel手动操作？

现有一份包含20000+条客户数据的Excel表格，此前通过Excel公式（如=MIN(D2:G2)、=IFERROR(LEN(LEFT($B2,FIND(D$1,$B2))),"")）计算指定词汇在备注内容字段中的出现位置，以此返回最早出现的词汇，但手动操作繁琐、效率低下，希望迁移至R环境实现相同功能。

指定目标词汇：growth check、growth、weight、feeding

输入数据示例 #

期望输出 #

1. 加载依赖包 #

使用tidyverse处理数据与字符串，readxl读取Excel文件：

# 首次使用需安装包
install.packages(c("tidyverse", "readxl"))

# 加载包
library(tidyverse)
library(readxl)

2. 导入数据 #

如果是本地Excel文件，直接读取；示例数据可手动构造：

# 示例数据构造
client_data <- tibble(
  客户ID = c("001", "002", "003"),
  备注内容 = c(
    "The client had weight taken, showed growth with good feeding",
    "A growth check was conducted",
    "Growth and weight taken"
  )
)

# 读取本地Excel文件（替换为你的文件路径）
# client_data <- read_excel("客户数据.xlsx")

3. 核心逻辑实现 #

编写函数提取每条备注中词汇的出现顺序，注意长词汇需放在对应短词汇前（避免growth先匹配growth check中的片段）：

# 目标词汇列表（顺序至关重要）
target_words <- c("growth check", "growth", "weight", "feeding")

# 定义获取词汇优先级的函数
get_word_priority <- function(note_text) {
  # 统一转为小写，消除大小写匹配差异
  note_lower <- str_to_lower(note_text)
  
  # 计算每个词汇的起始出现位置，未找到则为NA
  word_positions <- map_dbl(target_words, ~str_locate(note_lower, .x)[1, 1])
  
  # 按出现位置排序，过滤未找到的词汇，取前3个
  sorted_words <- target_words[order(word_positions)] %>% 
    discard(is.na) %>% 
    head(3)
  
  # 补全至3个元素，不足的用NA填充
  length(sorted_words) <- 3
  return(sorted_words)
}

4. 应用函数并整理输出 #

将函数批量应用到数据中，拆分结果为优先级列：

client_data <- client_data %>%
  mutate(词汇优先级 = map(备注内容, get_word_priority)) %>%
  unnest_wider(词汇优先级, names_sep = "") %>%
  rename(
    优先级1词汇 = 词汇优先级1,
    优先级2词汇 = 词汇优先级2,
    优先级3词汇 = 词汇优先级3
  )

# 查看最终结果
print(client_data)

运行后即可得到与期望一致的输出，处理2万+条数据的效率远高于手动Excel操作。

内容的提问来源于stack exchange，提问作者user19779614