如何实现两列字符串间单字符拼写错误的精准匹配？

需求说明 #

我之前的字符串匹配问题未考虑拼写错误场景，现明确规则：

• 仅当两字符串存在且仅存在一个字符差异（多一个字符或单个字符输入错误）时，判定为匹配
• 字符顺序不同、差异字符数超过1的情况，均判定为不匹配

示例数据：

Misspellings <- tibble(
      Name1 = c("Location","Tree","Street","Place","Racecar"),
      Name2 = c("Locatione","Treeee","Steept","Pluce","Carrace"),
      Match = c("TRUE", "FALSE", "FALSE","TRUE", "FALSE"))

我自行实现的代码不够精准，无法得到预期结果：

Misspellings %>%
      mutate(RMatch = sapply(1:nrow(Misspellings),function(i)agrepl(Misspellings$Name1[i],Misspellings$Name2[i],max.distance=1)))

优雅实现方案 #

使用stringdist包的Levenshtein编辑距离计算，完全契合匹配规则：

步骤1：安装加载依赖包 #

install.packages("stringdist")
library(stringdist)
library(dplyr)

步骤2：实现匹配逻辑 #

Misspellings %>%
  mutate(RMatch = stringdist(Name1, Name2, method = "lv") == 1)

结果说明 #

该代码输出的RMatch与示例中的Match完全一致：

• Location与Locatione：编辑距离为1 → 匹配（TRUE）
• Tree与Treeee：编辑距离为2 → 不匹配（FALSE）
• Street与Steept：编辑距离为2 → 不匹配（FALSE）
• Place与Pluce：编辑距离为1 → 匹配（TRUE）
• Racecar与Carrace：编辑距离为3 → 不匹配（FALSE）

方案优势 #

• 替代agrepl的模糊匹配逻辑，stringdist的method="lv"严格计算插入/删除/替换的单字符操作次数，精准符合规则
• 自动排除字符顺序不同的场景（这类场景的编辑距离必然大于1）

内容的提问来源于stack exchange，提问作者Chris