可能带有regmatches的基本R选项会有所帮助

transform(
    transform(
        df2,
        classes = sapply(
            regmatches(names, gregexpr(paste0(df$name, collapse = "|"), names)),
            \(x) {
                with(
                    df,
                    replace(
                        d <- paste0(unique(class[match(x, name)]), collapse = ","),
                        !nzchar(d),
                        NA
                    )
                )
            }
        )
    ),
    class_flag = c("Y", "N")[1 + is.na(classes)]
)

它给出了

names       classes class_flag
1  name1;name3 classA,classB          Y
2  name5,name6          <NA>          N
3 name2 name 8        classA          Y
4        name4        classC          Y

以下是tidyverse选项：

library(tidyverse)

lookup <- deframe(df)
df2 |>
  mutate(class = str_extract_all(names, str_c("\\b", df$name, "\\b", collapse = "|")),
         class = map(class, ~ set_names(unname(lookup[.x]))),
         class_flag = ifelse(lengths(class), "Y", "N"),
         unnest_class = class) |>
  unnest_wider(unnest_class)

如何运作

1. str_extract_all返回一个列表列，每个列表元素对应于 Dataframe 中的一行。每个列表元素都是提取的正则表达式匹配的向量。
   1.由于class是一个列表列，我们使用map来迭代它，并在deframe(df)创建的命名向量中查找提取的值。set_names用于在每个列表元素中创建一个命名向量，以便在步骤#4中取消嵌套（这些成为列名）。
2. class仍然是一个列表列。我之所以这样做，是因为R中有很多处理列表的功能，而不是将其折叠成字符串。
   1.使用lengths创建class_flag，如果列表元素为空（例如character(0)），则返回0（相当于FALSE）。
   1.复制名为unnest_class的列表列class，并将其解嵌套到列中。
   如果您确实需要class作为字符列，则可以将此输出通过管道传输到mutate(class = map_chr(class, str_flatten_comma))。

输出

names        class     class_flag classA classB classC
  <chr>        <list>    <chr>      <chr>  <chr>  <chr> 
1 name1;name3  <chr [2]> Y          classA classB NA    
2 name5,name6  <chr [0]> N          NA     NA     NA    
3 name2 name 8 <chr [1]> Y          classA NA     NA    
4 name4        <chr [1]> Y          NA     NA     classC

基准

将df2中的行数增加到100，000以获得更好的性能。
如果您不需要列classA、classB等，并删除unnest_wider管道，这个答案与@ThomasIsCoding发布的答案更具可比性。在没有unnest_wider的情况下，我发现这个答案更快，但我将其保留在基准测试中，因为看起来你需要这些列：

set.seed(1)
df2 <- df2[sample(1:nrow(df2), 1E5, replace = T),, drop = F]

(bench <- microbenchmark::microbenchmark(
  stringr = {lookup <- deframe(df)
  df2 |>
    mutate(class = str_extract_all(names, str_c("\\b", df$name, "\\b", collapse = "|")),
           class = map(class, ~ set_names(unname(lookup[.x]))),
           class_flag = ifelse(lengths(class), "Y", "N"),
           unnest_class = class) |>
    unnest_wider(unnest_class)},
  baseR = {transform(
    transform(
      df2,
      classes = sapply(
        regmatches(names, gregexpr(paste0(df$name, collapse = "|"), names)),
        \(x) {
          with(
            df,
            replace(
              d <- paste0(unique(class[match(x, name)]), collapse = ","),
              !nzchar(d),
              NA
            )
          )
        }
      )
    ),
    class_flag = c("Y", "N")[1 + is.na(classes)]
  )},
  times = 20L,
  unit = "seconds"
))

Unit: seconds
    expr      min       lq     mean   median       uq      max neval cld
 stringr 3.759750 4.249305 4.461382 4.527822 4.732876 4.953810    20  a 
   baseR 2.736081 2.835327 3.019493 3.044236 3.137328 3.427364    20   b

ggplot2::autoplot(bench)