r - 是否有用于模糊字符串检测的 R 包(或现有函数)？

Question

我正在寻找类似于 stringr 包中的 str_detect() 的东西，但它能够检测不完美或“模糊”的匹配。最好，我希望能够指定不完美的程度(1 个不同的字符、2 个不同的字符等)。

我正在做的匹配将采用类似于下面代码的形式(但这只是我编造的一个简化示例)。在这个例子中，只有“RUTH CHRIS”被匹配——我想要一些能够匹配稍微错误的字符串的东西。

library(tidyverse)

my_restaurants <- tibble(restaurant = c("MCDOlNALD'S ON FRANKLIN ST",
                                        "NEW JERSEY WENDYS",
                                        "8/25/19 RUTH CHRIS",
                                        "MELTINGPO 9823i3")
)

cheap <- c("MCDONALD'S", "WENDY'S") %>% str_c(collapse="|")
expensive <- c("RUTH CHRIS", "MELTING POT") %>% str_c(collapse="|")

my_restaurants %>%
  mutate(category = case_when(
    str_detect(restaurant, cheap) ~ "CHEAP",
    str_detect(restaurant, expensive) ~ "EXPENSIVE"
    )) 

再一次，这给出了这个输出:

##  A tibble: 4 × 2
#   restaurant                 category 
#   <chr>                      <chr>    
# 1 MCDOlNALD'S ON FRANKLIN ST NA       
# 2 NEW JERSEY WENDYS          NA       
# 3 8/25/19 RUTH CHRIS         EXPENSIVE
# 4 MELTINGPOT 9823i3          NA 

但是我想要:

## A tibble: 4 × 2
#   restaurant                 category 
#   <chr>                      <chr>    
# 1 MCDOlNALD'S ON FRANKLIN ST CHEAP       
# 2 NEW JERSEY WENDYS          CHEAP       
# 3 8/25/19 RUTH CHRIS         EXPENSIVE
# 4 MELTINGPOT 9823i3          EXPENSIVE 

我不反对使用正则表达式，但我的实际数据比给定的示例复杂得多，所以我更喜欢一些更简洁的东西，允许一般的，而不是特定的模糊类型。

Answer 1

在 Base R 中，你可以这样做:

cheap <- c("MCDONALD'S", "WENDY'S") 
expensive <- c("RUTH CHRIS", "MELTING POT")

pat <- stack(list(cheap = cheap, expensive = expensive))

transform(my_restaurants, category=pat[sapply(pat$values,agrep,restaurant),2])

                  restaurant  category
1 MCDOlNALD'S ON FRANKLIN ST     cheap
2          NEW JERSEY WENDYS     cheap
3         8/25/19 RUTH CHRIS expensive
4           MELTINGPO 9823i3 expensive