Question

我写了一个简单的函数来从Baseball Reference.com中删除所有MLB投手的名字。我用刮下的名字创建了一个向量，从原始的刮下名称中删除了Â，并强制转换为字符向量。

library(rvest)
url <- "http://www.baseball-reference.com/leagues/MLB/2016-standard-pitching.shtml"
mlbpitcherdata <- read_html(url)

mlbpitchers <- mlbpitcherdata %>% html_nodes("td:nth-child(2) a") %>%  html_text()
mlbpitchers <- as.character(sapply(mlbpitchers, function(x) gsub("Â","",x))) # Remove "Â" from all raw pitcher names

然后我尝试在向量中查找字符向量中的特定名称的索引，并且which()函数返回integer(0)。

# Search for pitcher name in list of pitchers = Returns integer(0)!
which(mlbpitchers=="Chad Bettis")
integer(0)

# But, mlbpitchers CLEARLY has Chad Bettis inside of it.
mlbpitchers[26]
[1] "Chad Bettis"

我很困惑为什么which()函数没有识别名称。我真的很感激任何人的帮助。我知道这可能是非常愚蠢和简单的事情，但我无法理解！谢谢！

（注意：删除Â字符后，我被要求选择保存的编码。我选择系统默认值：ISO 8859-1。我不确定这是否可以在问题中发挥作用。）< / p>

Answer 1

这是一个编码问题。特别是，如果你看看

R> substr(mlbpitchers[26], 1, 4) == "Chad"
[1] TRUE
R> substr(mlbpitchers[26], 5, 5) == " "
[1] FALSE

正如Joran建议的那样，使用

R> rawToChar(charToRaw(mlbpitchers[26]),multiple = TRUE)
[1] "C"    "h"    "a"    "d"    "\xc2" "\xa0" "B"    "e"    "t"    "t"   
[11] "i"    "s"

也突出了问题。这些字符（感谢Nicola）是html non-breaking空格。要删除它们，请使用

gsub("\xc2\xa0"," ",mlbpitchers)

R：which（）函数在字符向量中找不到指定的字符串（向量DOES包含字符串）

1 个答案: