如何让视觉相同的字符串计算相等，实现tibble的left_join连接？

这种情况几乎都是不可见字符或者Unicode编码差异导致的——两个字符串看起来一模一样，但底层的字节表示不同。stringi::stri_cmp()返回0是因为它做的是语义等价比较（比如忽略某些不可见控制字符、统一Unicode规范形式），而==和dplyr::left_join用的是严格字节匹配，所以才会出现这种矛盾。

第一步：先找出差异在哪里 #

先搞清楚两个字符串到底差了什么，用这些代码排查：

# 查看字符串的Unicode转义，暴露不可见字符（比如空格、换行、零宽空格）
stringi::stri_escape_unicode(str1)
stringi::stri_escape_unicode(str2)

# 对比字符长度，长度不同肯定有差异
nchar(str1)
nchar(str2)

# 拆分每个字符，查看它们的ASCII/Unicode编码
strsplit(str1, "")[[1]] |> lapply(utf8ToInt)
strsplit(str2, "")[[1]] |> lapply(utf8ToInt)

第二步：标准化字符串，让它们严格相等 #

根据排查出的差异，选择对应的清理方式，这里提供通用的清洗流程，覆盖绝大多数情况：

library(stringr)
library(stringi)

# 通用清洗函数：处理空白、控制字符、Unicode规范
clean_string <- function(x) {
  x |>
    # 去除前后所有空白（包括换行、制表符）
    str_trim() |>
    # 把所有连续空白（包括多个空格、制表符）替换成单个普通空格
    str_replace_all("\\s+", " ") |>
    # 统一Unicode编码形式（解决同字符不同编码的问题）
    stri_trans_nfc() |>
    # 移除所有控制字符（比如零宽空格、软连字符这类看不见的字符）
    str_replace_all("[[:cntrl:]]", "")
}

# 应用到你的字符串上
clean_str1 <- clean_string(str1)
clean_str2 <- clean_string(str2)

# 现在再检查是否相等
clean_str1 == clean_str2

第三步：应用到tibble的连接上 #

把这个清洗逻辑用到你的两个tibble的目标列，就能正常执行left_join了：

library(dplyr)

tibble1_clean <- tibble1 |>
  mutate(charVector1 = clean_string(charVector1))

tibble2_clean <- tibble2 |>
  mutate(charVector2 = clean_string(charVector2))

# 现在可以顺利连接
left_join(tibble1_clean, tibble2_clean, by = c("charVector1" = "charVector2"))

如果清洗后还是不相等，那大概率是存在视觉相似但编码不同的字符（比如全角/半角数字字母、中文的引号和英文引号），这时候可以给清洗函数加上全角转半角的逻辑：

clean_string <- function(x) {
  x |>
    str_trim() |>
    str_replace_all("\\s+", " ") |>
    stri_trans_nfc() |>
    str_replace_all("[[:cntrl:]]", "") |>
    # 全角转半角，统一符号/字母/数字的格式
    stri_trans_general("Any-Latin; Latin-ASCII; Lower")
}

内容的提问来源于stack exchange，提问作者Captain Hat