Question

我正在学习网络搜索。我掌握了一堆数据但结构凌乱我有一个这种形式的字符串向量：
"9,55< U+00A0>x< U+00A0>1016"，（现在当我写它时，我认为这是一种特殊的语法，因为我不能在没有在“U”之前放置空格的情况下粘贴它）在我正在抓取的网站上写的是“9,55 * 10 ^ 16”。

我的目标是将此字符串转换为数字变量，即95500000000000000。但首先我要删除第一个“＆lt;”之间的所有内容和最后一个“＆gt;”。以下是我的尝试。

gsub("<(.*?)>", "", vectorOfStrings)

修改：最好使用"9,55\U{00A0}x\U{00A0}1016"在R中生成字符串，因为“＆lt;”和“＆gt;”不是字符串中的实际文字。

Answer 1

你看到的角色是unicode（UTF-8，我认为），R代表（当它不是很清楚的时候）是小于/大于符号。要删除它，一种方法是＆＃34;转换＆＃34; ASCII文本：

iconv(vectorOfStrings, "utf-8", "ASCII", sub = "")

任何不可翻译的内容都应该删除。

Answer 2

我只会改变你的贪婪＆＃34;匹配所有＆＃34;到＆＃34;匹配所有＆＃39;＆gt;＆＃39;喜欢，或使用。？让它变得懒惰（匹配最小）

<[^>]*> or <.*?>

或将标记与标记匹配

<.*?>.*?<.*?>

Answer 3

这有效

>vectorOfStrings = "9,55< U+00A0>x< U+00A0>1016"
>vectorOfStrings1 = gsub("<[^>]+>","",vectorOfStrings)
>vectorOfStrings1 
[1] "9,55x1016"

Answer 4

这是我的代码，用于将科学记数字从网络上划分为数字：

library(magrittr)

vectorOfStrings <- "9,55< U+00A0>x< U+00A0>1016"  

scrape_numeric <- function(x) {
 x %>% 
   gsub(">10", ">e+", .) %>%
   gsub("<.*>", "", .) %>%
   gsub(",", ".", .) %>%
   as.numeric
}

scrape_numeric(vectorOfStrings)

# [1] 9.55e+16

正则表达式删除＆lt;＆gt;之间的所有内容

4 个答案: