R语言基于字符串部分匹配实现两数据框关联赋值，优先tidyverse方案

核心需求为将ref表的value按「ref子串出现在df文本中即可匹配」的规则关联到df表，以下分别给出tidyverse和base R的实现：

1. tidyverse优先方案 #

方案1.1：fuzzyjoin包实现模糊连接（最贴合left_join使用习惯） #

fuzzyjoin是dplyr生态下专门用于非精确连接的包，可直接实现子串匹配的左连接逻辑：

# 未安装fuzzyjoin请先运行 install.packages("fuzzyjoin")
library(tidyverse)
library(fuzzyjoin)

# 先重命名ref的列避免重名混淆
ref_clean <- ref %>% 
  rename(ref_text = text, ref_value = value)

# 执行子串匹配左连接，加fixed()保证纯字面量子串匹配，忽略正则特殊字符
df_result <- df %>%
  regex_left_join(
    ref_clean,
    by = c("text" = "ref_text"),
    match_fun = \(x, y) str_detect(x, fixed(y))
  )

运行后输出结果完全符合预期：

如果一行df文本匹配到多个ref子串，会生成多行结果，若要每个df行仅保留最长匹配的结果，可以追加如下处理：

df_result <- df_result %>%
  group_by(text) %>%
  slice_max(nchar(ref_text), n = 1, with_ties = FALSE) %>%
  ungroup()

方案1.2：纯dplyr+stringr实现（无需额外安装包） #

如果不想引入新的依赖包，可以用rowwise逐行匹配：

df_result <- df %>%
  rowwise() %>%
  mutate(
    # 匹配所有符合的ref子串
    match_pos = which(str_detect(text, fixed(ref$text))),
    # 取第一个匹配到的value，无匹配返回NA
    value = ifelse(length(match_pos) > 0, ref$value[match_pos[1]], NA)
  ) %>%
  ungroup() %>%
  select(-match_pos)

2. base R实现方案 #

不需要加载任何第三方包，用基础函数实现：

# 生成匹配矩阵，每行对应df的一行，每列对应ref的一个子串
match_matrix <- sapply(ref$text, function(p) grepl(p, df$text, fixed = TRUE))
# 逐行取第一个匹配的value
df$value <- apply(match_matrix, 1, function(row) {
  if (any(row)) ref$value[which.max(row)] else NA
})

内容的提问来源于stack exchange，提问作者iNyar