stringi R 忽略重音特殊字符以匹配

Question

我有两个数据框列，一个包含带重音符号的名称，另一个不包含。我想匹配它们，但只执行完全匹配。例如：

df<-data.frame(not_accented=c("ACARAU CE","ADRIANOPOLIS PR", "AFUA PA","AMAPARI AP","AGUA CLARA MS",
      "AGUA DOCE MA","AGUA NOVA RN","AGUA PRETA PE","AGUAS VERMELHAS MG",
      "ALEGRETE DO PIAUI PI","ALIANCA PE","ALTO ALEGRE DO PINDARE MA","ALTO LONGA PI",
      "ALVARAES AM","ALVINOPOLIS MG","AMERICA DOURADA BA","ANAGE BA","ANAJAS PA",
      "ANGICAL DO PIAUI PI","ANTONIO CARLOS SC","ANTONIO DIAS MG","ANTONIO GONCALVES BA",
      "ANTÔNIO JOÃO MS","example","example2"))
df2<-data.frame(accented=c("ACARAÚ CE","ADRIANÓPOLIS PR", "AFUÁ PA","ÁGUA BRANCA DO AMAPARI AP","ÁGUA CLARA MS",
                           "ÁGUA DOCE DO MARANHÃO MA","ÁGUA NOVA RN","ÁGUA PRETA PE","ÁGUAS VERMELHAS MG",
                           "ALEGRETE DO PIAUÍ PI","ALIANÇA PE","ALTO ALEGRE DO PINDARÉ MA","ALTO LONGÁ PI",
                           "ALVARÃES AM","ALVINÓPOLIS MG","AMÉRICA DOURADA BA","ANAGÉ BA","ANAJÁS PA",
                           "ANGICAL DO PIAUÍ PI","ANTÔNIO CARLOS SC","ANTÔNIO DIAS MG","ANTÔNIO GONÇALVES BA",
                           "ANTONIO JOAO MS","example","example2"))

df %>% filter(df$not_accented %in% df2$accented)

看到df中只保留了“example”和“example2”。我尝试使用以下解决方案，但考虑到我的数据集的大小，它的效率非常低。

df$not_accented<- stri_replace_all_regex(df$not_accented,
                                  pattern=c("ACARAU CE","ADRIANOPOLIS PR", "AFUA PA","AMAPARI AP","AGUA CLARA MS",
                                            "AGUA DOCE MA","AGUA NOVA RN","AGUA PRETA PE","AGUAS VERMELHAS MG",
                                            "ALEGRETE DO PIAUI PI","ALIANCA PE","ALTO ALEGRE DO PINDARE MA","ALTO LONGA PI",
                                            "ALVARAES AM","ALVINOPOLIS MG","AMERICA DOURADA BA","ANAGE BA","ANAJAS PA",
                                            "ANGICAL DO PIAUI PI","ANTONIO CARLOS SC","ANTONIO DIAS MG","ANTONIO GONCALVES BA",
                                            "ANTONIO JOAO MS"),
                                  replacement=c("ACARAÚ CE","ADRIANÓPOLIS PR", "AFUÁ PA","ÁGUA BRANCA DO AMAPARI AP","ÁGUA CLARA MS",
                                                "ÁGUA DOCE DO MARANHÃO MA","ÁGUA NOVA RN","ÁGUA PRETA PE","ÁGUAS VERMELHAS MG",
                                                "ALEGRETE DO PIAUÍ PI","ALIANÇA PE","ALTO ALEGRE DO PINDARÉ MA","ALTO LONGÁ PI",
                                                "ALVARÃES AM","ALVINÓPOLIS MG","AMÉRICA DOURADA BA","ANAGÉ BA","ANAJÁS PA",
                                                "ANGICAL DO PIAUÍ PI","ANTÔNIO CARLOS SC","ANTÔNIO DIAS MG","ANTÔNIO GONÇALVES BA",
                                                "ANTONIO JOAO MS"),
                                  vectorize=FALSE)

Answer 1

df %>% 
  filter(df$not_accented %in% stringi::stri_trans_general(df2$accented, 'LATIN-ASCII'))

                not_accented
1                  ACARAU CE
2            ADRIANOPOLIS PR
3                    AFUA PA
4              AGUA CLARA MS
5               AGUA NOVA RN
6              AGUA PRETA PE
7         AGUAS VERMELHAS MG
8       ALEGRETE DO PIAUI PI
9                 ALIANCA PE
10 ALTO ALEGRE DO PINDARE MA
11             ALTO LONGA PI
12               ALVARAES AM
13            ALVINOPOLIS MG
14        AMERICA DOURADA BA
15                  ANAGE BA
16                 ANAJAS PA
17       ANGICAL DO PIAUI PI
18         ANTONIO CARLOS SC
19           ANTONIO DIAS MG
20      ANTONIO GONCALVES BA
21                   example
22                  example2

stringi R 忽略重音特殊字符以匹配

stringi R ignore accents special characters to match

r

stringi

accent-sensitive