匹配接近但不精确的文件名

Question

除了扩展名之外，我还有多个名称相似的列表。我能够使用一种简单的括号中的方法对它们进行索引-- L1[1]和L2[2]将是正确的匹配。但是，我有很多文件要看，其中有几个文件与索引号不匹配。

在我的示例中，有一种类型缺少几个文件。在现实世界的第一个例子中，我有122个.json文件和119个.description文件.这就抛开了我所使用的索引方法。在这种情况下，如何将正确的列表元素匹配起来？我尝试了几个不同的选项，使用字符串匹配和字符串拆分，但我没有运气。

以防万一，是的，这些元数据是使用youtube-dl提取的，但我是视频的作者。

最终目标是有两个变量VTT和DESC，我可以在后面的R脚本中使用它们。例如，VTT将等于L12，而DESC将等于标题紧密匹配的L2index，例如没有扩展名或L23的文件名。

这两个列表都来自于使用list.files()；但是，在程序的后面，我没有full.names = TRUE，我只处理文件名本身。

L1 <- c("c:/ytdl//CradleToGraveR/Absolute Beginners Guide to Statistical Programming/01 - Statistical Programming with R - Estimating f (Notation)/Statistical Programming with R - Estimating f (Notation).mp4.en.txt", 
+         "c:/ytdl//CradleToGraveR/Absolute Beginners Guide to Statistical Programming/02 - Statistical Programming - Expected Value/Statistical Programming - Expected Value.mp4.en.txt", 
+         "c:/ytdl//CradleToGraveR/Absolute Beginners Guide to Statistical Programming/03 - Linear Regression with R 01/Linear Regression with R 01.mp4.en.txt"
+ )

L2 <- c("c:/ytdl//CradleToGraveR/Absolute Beginners Guide to Statistical Programming/01 - Statistical Programming with R - Estimating f (Notation)/Statistical Programming with R - Estimating f (Notation).mp4.info.json", 
, 
"c:/ytdl//CradleToGraveR/Absolute Beginners Guide to Statistical Programming/03 - Linear Regression with R 01/Linear Regression with R 01.mp4.info.json",
"c:/ytdl//CradleToGraveR/Absolute Beginners Guide to Statistical Programming/02 - Statistical Programming - Expected Value/Statistical Programming - Expected Value.mp4.info.json"
)

也许我的方法，总的来说，是错误的。我认为我的下一个方法是将list放到一个data.frame中，然后去掉扩展。然后只解析目录路径后面的结尾。最后，在两个data.frames上进行连接或合并？我觉得我把这条路弄得比应该的复杂多了。

有什么建议吗？

Answer 1

我认为最好只保留字符串中与对方完全匹配的部分，并对它们进行比较。

对于共享的示例，如果我们只保留文件名而没有完整的路径，那么在"."之后去掉所有的内容并比较它的效果。

inds <- match(sub('\\..*', '', basename(L1)), sub('\\..*', '', basename(L2)))
inds
#[1] 1 3 2

您可以按照正确的顺序创建具有两个文件名的数据文件。

data.frame(L1 = L1, L2 = L2[inds])