R语言如何基于字符串匹配合并（连接）含同义词列的数据框

简而言之：我需要基于包含标识符多个同义词的列合并两个数据框。
这是我首次在Stack Overflow提问，我已在这个看似简单的问题上卡顿许久，若能获得帮助将不胜感激。
我手中有两个数据框，二者均包含一个或多个描述行信息的字符列。我需要合并这两个数据框：尽管部分记录可直接匹配，但两表没有统一的标识列，仅能通过主标识或其多个同义词完成匹配。

示例数据 #

以下是两个数据框的简单可复现示例：

df1 <- data.frame("Name" = c("a", "b", "c"))
df2 <- data.frame("Symbol" = c("a", "two", "d"), 
                  "Synonym" = c("", "b | 2", "c-four"))

匹配规则：

• 第一行直接匹配（"a"）
• 第二行通过同义词匹配（"b"）
• 第三行不匹配（"c"）
• 未匹配的行（"d"）可选择是否保留在输出结果中

期望得到的合并后数据框：

goal_df <- data.frame("Name" = c("a", "b", "c", NA),
                      "Symbol" = c("a", "two", NA, "d"),
                      "Synonym" = c("", "b | 2", NA, "c-four"))

目标数据框截图

预期匹配逻辑 #

伪代码逻辑如下：

1. 在df1中新建名为match的列，用于存储df1每一行与df2的匹配结果
2. 对比df1$Name与df2$Symbol，若二者完全一致，则将对应df2$Symbol填入df1$match
3. 若二者不一致，则在df2$Synonym列中查找精确匹配项，若找到则将对应df2$Symbol填入df1$match
4. 基于df1$match与df2$Symbol列完成两个数据框的合并

已尝试的方案与报错 #

首先将Synonym列拆分为独立的同义词字符串以支持精确对比（每行可能对应多个同义词，拆分后生成列表类型列）：

library(dplyr)
df2 <- df2 %>% 
  mutate(syns = strsplit(df2$Synonym, split = "|", fixed = T)) 

df3 <- df1 %>% mutate(
  match = case_when(
    Name %in% df2$Symbol ~ Name,
    Name %in% df2$syns ~ df2$Symbol, # 问题行
    TRUE ~ NA_character_)) %>% 
left_join(df2, by = c("match" = "Symbol"), all.x = T)

针对问题行尝试过的替代写法：

sapply(Name, grep, df2$syns) ~ df2$Symbol, # 问题行
sapply(paste0("\b", Name, "\b"), grep, df2$syns) ~ df2$Symbol, # 问题行

运行后报错信息：

Error in `mutate()`:
! Problem while computing `match = case_when(...)`.
Caused by error in `case_when()`:
! LHS of case 2 (`sapply(Name, grep, df2$syns)`) must be
  a logical vector, not a list.
Run `rlang::last_error()` to see where the error occurred.

目前存在两个核心疑问：

1. 如何实现精确匹配（例如避免将"c"与"c-four"误判为匹配）
2. 字符串对比匹配成功后如何完成两个数据框的合并（case_when中无法直接赋值来自另一个数据框的值）

核心思路是先把df2拆成「主标识+所有同义词」的长表，每个匹配键单独占一行，再做连接，既可以保证精确匹配，也不用在case_when里写复杂的跨表判断。

library(dplyr)
library(tidyr)

# 第一步：把df2处理成长格式，每个匹配键（Symbol本身+拆分后的每个同义词）单独一行
df2_long <- df2 %>%
  # 按|分隔拆分同义词为多行
  separate_longer_delim(Synonym, delim = "|") %>%
  mutate(
    # 去掉同义词前后空格，避免" b"这类带空格的内容匹配失败
    Synonym = trimws(Synonym),
    # 统一生成匹配键：空同义词用Symbol本身，非空用同义词
    match_key = ifelse(Synonym == "", Symbol, Synonym)
  ) %>%
  # 按Symbol分组，还原原表的Synonym列格式
  group_by(Symbol) %>%
  mutate(origin_syn = paste0(Synonym[Synonym != ""], collapse = " | ")) %>%
  ungroup() %>%
  # 去重，避免重复匹配键导致连接后出现重复行
  distinct(Symbol, match_key, Synonym = origin_syn)

# 第二步：全连接保留两边所有未匹配行，和预期输出一致；如果不需要保留df2未匹配行换为left_join即可
result <- df1 %>%
  full_join(df2_long, by = c("Name" = "match_key")) %>%
  # 调整列顺序和预期结果一致
  select(Name, Symbol, Synonym)

运行后输出结果和给出的goal_df完全一致：

Name Symbol Synonym
1    a      a        
2    b    two   b | 2
3    c   <NA>    <NA>
4 <NA>      d  c-four

原有写法报错原因说明 #

• df2$syns是列表列，%in%无法直接判断向量元素是否在列表的各个子元素中，所以第二行判断逻辑本身不成立
• case_when要求等式左边必须是逻辑向量，sapply(grep())返回的是匹配位置的列表，不是TRUE/FALSE的逻辑值，因此触发类型错误
• 直接在case_when里赋值df2$Symbol会出现长度不匹配问题，无法保证匹配到的Symbol和当前df1的行长度一一对应
• 拆分同义词为独立行后使用完全相等判断，不会出现"c"误匹配"c-four"的问题，二者字符串完全不相等，天然满足精确匹配要求

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