R语言数据处理：如何从价格字符串中提取纯数字？

你的问题出在str_split的使用上：这个函数会把每个价格字符串拆分成列表，直接放进数据框会变成列表类型的列，而且你的拆分规则只针对泰语字符（[ก-๙]+），没处理฿、空格这些非数字符号，导致拆分后还是混有无关内容。

推荐两种更直接的方法提取纯数字：

方法1：移除所有非数字字符 #

用str_remove_all删掉价格字符串里所有不是数字的内容，再转成数值型：

library(rvest)
library(tidyverse)

url <- "https://fitwhey.com/"

brans <- url %>%
  read_html() %>%
  html_elements("span.p-name") %>%
  html_text2()

price <- url %>%
  read_html() %>%
  html_elements("span.p-sale-price") %>%
  html_text() %>%
  # 移除所有非数字字符
  str_remove_all("[^0-9]") %>%
  # 转成数值型
  as.numeric()

rank_seller <- url %>%
  read_html() %>%
  html_elements("span.number") %>%
  html_text2()

df <- data.frame(rank_seller, brans, price)

方法2：直接提取数字部分 #

用str_extract匹配并提取字符串中的连续数字序列：

price <- url %>%
  read_html() %>%
  html_elements("span.p-sale-price") %>%
  html_text() %>%
  # 提取连续的数字
  str_extract("\\d+") %>%
  as.numeric()

两种方法都能把เริ่มต้นที่ : ฿ 675转换成纯数字675，而且得到的是数值型列，方便后续分析。

内容的提问来源于stack exchange，提问作者PPAu