在R中实现字符串模糊匹配，筛选两列动物数据的特定名称

首先先构造和你示例一致的测试数据：

# 构造示例数据
ColumnA <- c("Cat", "Dog", "Bird", "Fish")
ColumnB <- c("*&^Cat!167676fourlegs", "90876Bird##wings", "***&&Dog")

需求1：找出ColumnA中未被ColumnB内容包含的动物 #

我们可以用基础R自带的grepl()函数完成匹配判断，该函数会返回布尔值标识指定的匹配内容是否存在于目标字符串中，结合sapply()遍历ColumnA的所有动物名称即可完成批量判断：

# 批量判断每个动物是否在ColumnB中出现过，fixed=TRUE表示按纯文本匹配，避免正则特殊字符干扰
match_status <- sapply(ColumnA, function(animal) any(grepl(animal, ColumnB, fixed = TRUE)))
# 提取未匹配的动物
unmatched_animal <- ColumnA[!match_status]

运行后得到的unmatched_animal结果为"Fish"，和示例预期一致。

需求2：筛选ColumnA中可匹配到ColumnB内容的动物 #

直接基于上面得到的匹配状态取正向结果即可：

matched_animal <- ColumnA[match_status]

运行后得到的matched_animal结果为"Cat" "Dog" "Bird"，符合示例预期。

如果你习惯使用tidyverse生态的工具，也可以用stringr包的str_detect()函数替代grepl()，逻辑完全一致：

# 需提前安装stringr包：install.packages("stringr")
library(stringr)
match_status_tidy <- sapply(ColumnA, function(animal) any(str_detect(ColumnB, fixed(animal))))
unmatched_animal_tidy <- ColumnA[!match_status_tidy]
matched_animal_tidy <- ColumnA[match_status_tidy]

内容的提问来源于stack exchange，提问作者Sou