在网络抓取的空白值中插入 NA

Question

我正在努力将一些数据抓取到一个数据框中，但得到了一些空字段，而我更希望在这些字段中使用 NA。我试过 na.strings，但我要么把它放在了错误的地方，要么它根本不起作用，我试着 gsub 任何从行首到结尾的空白，但那没有用。

htmlpage <- read_html("http://www.gourmetsleuth.com/features/wine-cheese-pairing-guide")
sugPairings <- html_nodes(htmlpage, ".meta-wrapper")
suggestions <- html_text(sugPairings)
suggestions <- gsub("\r\n", '', suggestions)

如何在将空白字段添加到数据框后或在添加之前使用 NA 将空白字段分出。

Answer 1

rvest::html_text 具有内置修整选项设置 trim=TRUE。完成此操作后，您可以使用例如ifelse 测试空字符串 (=="") 或使用 nzchar.

我知道你可以这样做:

html_nodes(htmlpage, ".meta-wrapper") %>% html_text(trim=TRUE) %>% ifelse(. == "", NA, .)

或者这个：

res <- html_nodes(htmlpage, ".meta-wrapper") %>% html_text(trim=TRUE)
res[!nzchar(res)] <- NA_character_

@Richard Scriven 改进：

html_nodes(htmlpage, ".meta-wrapper") %>% html_text(trim=TRUE) %>% replace(!nzchar(.), NA)

在网络抓取的空白值中插入 NA

Inserting NA in blank values from web scraping

r

web-scraping

na