如何使提取关键词上下文的R函数兼容dplyr::mutate？

一、函数改进建议 #

原term_surr仅支持单个字符串输入，无法处理mutate传入的列向量——核心原因是str_locate_all对向量输入返回列表，原代码未逐个处理每个字符串的匹配结果。以下是适配tidy管道的改进版本：

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

term_surr <- function(x, pat, before_char = 5, after_char = 15) {
  # 遍历每个字符串单独处理，返回适配mutate的字符向量
  map_chr(x, function(txt) {
    loc <- str_locate_all(txt, pat)[[1]] %>% 
      as_tibble() %>% 
      mutate(
        # 处理边界：避免截取范围超出字符串有效长度
        from = pmax(start - before_char, 1),
        to = pmin(end + after_char, str_length(txt))
      ) %>% 
      select(from, to) %>% 
      mutate(surr = str_sub(txt, from, to))
    
    # 无匹配时返回空字符串，避免报错
    if (nrow(loc) == 0) {
      ""
    } else {
      stri_paste(loc$surr, collapse = " ... ")
    }
  })
}

# 测试代码
submarine <- 'We all live in a yellow submarine'
yesterday <- 'Yesterday all my troubles seemed so far away, all of them'
my_data <- data.frame(text = c(submarine, yesterday))
pat <- "all"

# 现在可在mutate管道中正常运行
my_data_surr <- my_data %>% mutate(surr = term_surr(text, pat = pat))

关键改进点：

• 用purrr::map_chr遍历输入向量的每个元素，确保每个字符串独立处理
• 新增边界校验：用pmax/pmin保证截取范围在字符串有效长度内
• 添加无匹配场景的容错逻辑，避免空结果报错
• 简化匹配结果的转换流程，直接从str_locate_all返回的矩阵生成tibble

二、tidy/dplyr管道函数编写指南 #

无需外部链接，直接参考tidyverse官方文档的核心章节：

• dplyr编程指南：重点掌握「向量化函数设计」「在dplyr中复用自定义函数」部分，理解mutate等动词对输入向量的要求
• purrr映射函数教程：熟悉map系列函数的用法，这是处理列表/向量逐个元素操作的核心工具
• tidyverse管道操作入门：明确%>%/|>的使用场景，学习如何在管道中编写可复用的模块化函数

内容的提问来源于stack exchange，提问作者ReCodeRa