如何根据抓取结果中的符号将 R 中的一列拆分为两列？答案

【问题标题】：How to split a column into two in R based on a symbol from scraping result?如何根据抓取结果中的符号将 R 中的一列拆分为两列？
【发布时间】：2019-04-09 15:42:26
【问题描述】：

所以我使用rvest 抓取了 IMDB 网站并遇到了一些拆分问题。我尝试了不同的方法来拆分列，但都失败了。

这是我从 IMDB 网站上抓取信息的代码：

votes_gross <- pagesource %>% html_nodes(".sort-num_votes-visible") %>% html_text()

然后我使用以下代码进行清理和拆分：

votes_gross <- gsub("\r?\n|\r", " ", votes_gross)
votes_gross <- data.frame(votes_gross)
library(tidyr)
votes_gross <- separate(votes_gross,
       col = "votes_gross",
       into = c("Votes", "Gross"),
       sep = "|")

在我执行单独的代码后，数据框立即变为空。我也尝试过使用strsplit，但也失败了。我知道这里还有其他类似的问题，但它们似乎与我的情况不相似。

我希望做这些：

          votes_gross
Votes: 489,547 | Gross: $700.06M
Votes: 615,401 | Gross: $678.82M
Votes: 192,034 | Gross: $608.58M

进入这些：

    Votes         Gross (Millions)
Votes: 489,547    Gross: $700.06
Votes: 615,401    Gross: $678.82
Votes: 192,034    Gross: $608.58

谢谢

【问题讨论】：

标签： r dataframe split

【解决方案1】：

根据?separate

sep - 如果是字符，则被解释为正则表达式。默认值是匹配任何非字母数字值序列的正则表达式。

因此，如果我们需要它进行字面计算，请将其放在方括号内（[|] 或转义\\|），否则将其视为OR

library(tidyverse)
votes_gross <- separate(votes_gross,
   col = "votes_gross",
   into = c("Votes", "Gross"),
   sep = "\\s*[|]\\s*")

【讨论】：

我明白了，它运行良好。谢谢你提到它，我忘了它是一个正则表达式。