R 从字符向量中提取字符串时遇到问题

我无法从使用

stringr

库命名的类的字符向量中提取某些匹配项：

classes = read_lines("https://statistics.ucdavis.edu/courses/descriptions-undergrad") %>%
  str_flatten()

一小段

类

：

...collaborative data analysis; complete case study review and team data analysis project. 
Effective: 2019 Fall Quarter.</p><h2>STA 190X—Seminar (1-2)</h2><p>Seminar—1-2 hour(s). Prerequisite(s):
STA 013 or STA 013Y or STA 032 or STA 100 or STA 103. In-depth examination of a special topic in a small 
group setting. Effective: 2018 Spring Quarter.</p><h2>STA 192—Internship in Statistics (1-12)</h2>
<p>Internship—3-36 hour(s); Term Paper...

但是，如果我将一个节直接复制并粘贴到函数中，它会起作用：

> str_detect("</p><h2>STA 190X—Seminar (1-2)</h2>", "STA 190X")
[1] TRUE

> str_extract_all("</p><h2>STA 190X—Seminar (1-2)</h2>", "STA 190X")
[[1]]
[1] "STA 190X"

str_detect（“STA 190X研讨会（1-2）”，“STA 190X”） [1] 真的 >str_extract_all（“STA 190X研讨会（1-2）”，“STA 190X”） [[1]] [1] “STA 190X”

---

有人知道这是为什么吗？

我们可以使用

rvest

进行处理并提取正确的“节点”

library(rvest)
library(stringr)
library(magrittr)
read_html("https://statistics.ucdavis.edu/courses/descriptions-undergrad") %>%
       html_nodes("h2") %>%
       html_text() %>% 
       str_c(collapse = ' ') %>% 
       str_extract(., "STA 190X")
#[1] "STA 190X"

---

我们可以使用

rvest

进行处理，并提取正确的“节点”

library(rvest)
library(stringr)
library(magrittr)
read_html("https://statistics.ucdavis.edu/courses/descriptions-undergrad") %>%
       html_nodes("h2") %>%
       html_text() %>% 
       str_c(collapse = ' ') %>% 
       str_extract(., "STA 190X")
#[1] "STA 190X"

一个简单的解决方案： 您只需稍微调整您的正则表达式，使其不仅匹配空格，而且匹配任何非字母或数字的内容：

str_detect(classes, "STA[^A-z0-9]190X")  
[1] TRUE

解释： 这是最奇怪的事情：

match_position <- gregexpr("STA[^ ]*190X", classes)[[1]][1]
substr(classes, match_position - 10, match_position + 17)

返回no匹配，我认为这意味着神秘人物是：

[：点：]

标点符号： ! “#$%&'（）*+，-./：；<=>？@[\]^ `{124;}~

一个简单的解决方案： 您只需稍微调整您的正则表达式，使其不仅匹配空格，而且匹配任何非字母或数字的内容：

str_detect(classes, "STA[^A-z0-9]190X")  
[1] TRUE

解释： 这是最奇怪的事情：

match_position <- gregexpr("STA[^ ]*190X", classes)[[1]][1]
substr(classes, match_position - 10, match_position + 17)

返回no匹配，我认为这意味着神秘人物是：

[：点：]

标点符号： ! " # $ % & ' ( ) * + , - . / : ; < = > ? @ [\]^{{124;}~

---

空白似乎是个问题。尝试使用

\\s

作为空白，它应该可以工作

readr::read_lines("https://statistics.ucdavis.edu/courses/descriptions-undergrad") %>%
    stringr::str_flatten() %>%
    stringr::str_extract("STA\\s190X")

#[1] "STA 190X"

---

空白似乎是个问题。尝试使用

\\s

作为空白，它应该可以工作

readr::read_lines("https://statistics.ucdavis.edu/courses/descriptions-undergrad") %>%
    stringr::str_flatten() %>%
    stringr::str_extract("STA\\s190X")

#[1] "STA 190X"

---

您在屏幕上看到的内容与您的计算机通过

阅读行

下载页面时看到的内容不同（请尝试在浏览器中查看源代码或Ctrl+U）。在页面上单击鼠标右键，然后单击“检查”。建议使用

rvest

package之类的软件包重试。哪个软件包是

read_line from

<代码>字符串不知道它。

str（classes）

的输出是什么？@dario str（classes）的输出是

chr”@John你能检查我显示的输出吗？你在屏幕上看到的与你的计算机通过
读线下载页面时看到的不同（尝试在浏览器中查看源代码或Ctrl+U）。右键单击页面并单击“检查”。建议使用类似于
rvest
package的东西重试。哪个包是
read\u line from
？
stringr
不知道它。str（classes）
的输出是什么？@dario str（classes）的输出是
chr”@John你能检查我显示的输出吗我复制了你的代码，但我的输出是“NA”，不是“STA 190X”@John抱歉，我不能用
packageVersion（'rvest'）[1]“0.3.4'>packageVersion（'stringr'）[1]“1.4.0”
在
R3.6.2
上复制你的代码，但我的输出是“NA”，不是“STA 190X”@John抱歉，我无法在
R3.6.2上使用
packageVersion（'rvest'）[1]'0.3.4'>packageVersion（'stringr'）[1]'1.4.0'
复制它