R语言：按每行匹配词截取字符串生成dataframe新列的实现问题

你之前的代码存在两个核心问题：

• sub是向量化操作，你的df仅6行、stringlist有7个元素，直接传入长度不等的向量，R会自动循环短向量元素，匹配逻辑完全错误
• 代码逻辑是把关键词替换为空，和你需要的「截取到关键词所在位置」的需求完全相反

以下是两种可行实现方案：

方案1：Base R实现 #

# 构造测试数据
df <- data.frame(words = c("apple", "plant", "banana", "animal", "fly", "ecoli"))
stringlist <- c("eukaryote;plant;apple", "eukaryote;plant;banana","eukaryote;animal;dog", "eukaryote;plant;orange", "eukaryote;animal;cat", "eukaryote;insect;fly", "prokaryote;bacterium;ecoli")

# 生成新列
df$new_words <- sapply(df$words, function(w) {
  # 匹配到包含当前关键词的字符串
  target_str <- stringlist[grepl(paste0("\\b", w, "\\b"), stringlist)]
  # 截取从开头到关键词结束的部分
  sub(paste0("^(.*", w, ").*"), "\\1", target_str)
})

代码说明：\\b是正则单词边界，避免出现部分匹配（比如关键词app误匹配apple），如果不需要严格整词匹配可以删掉这部分。

方案2：tidyverse实现 #

适合习惯tidyverse语法的场景：

library(dplyr)
library(stringr)

df <- df %>%
  rowwise() %>%
  mutate(
    # 匹配包含当前关键词的字符串，fixed避免关键词特殊字符被识别为正则
    target_str = stringlist[str_detect(stringlist, fixed(words))][1],
    # 截取到关键词位置
    new_words = str_extract(target_str, paste0(".*", fixed(words)))
  ) %>%
  ungroup() %>%
  select(-target_str)

两种方案运行后得到的df都和你期望的输出结果一致。

内容的提问来源于stack exchange，提问作者Loay Jabre