将含网页文本的DataFrame写入CSV时内容被拆分至多行的问题

问题根源 #

抓取到的网页HTML包含换行符（\r、\n）、双引号或逗号这类CSV格式的特殊字符：

• 换行符会被CSV解析器识别为新行的开始
• 逗号会被识别为列分隔符
• 未转义的双引号会破坏CSV的引用规则，导致内容错位

解决方案：预处理文本 + 正确写入 #

步骤1：抓取并清洗HTML文本 #

先对抓取到的HTML进行清洗，移除或转义特殊字符：

# 加载所需包
library(RCurl)

# 初始化DataFrame（设置stringsAsFactors=FALSE避免字符转因子）
df <- data.frame(url = "http://www.nycourts.gov/reporter/3dseries/2011/2011_00286.htm", 
                 text = "", 
                 stringsAsFactors = FALSE)

# 抓取网页内容
html_raw <- getURL(df$url[1])

# 清洗文本：替换换行/制表符为空格，转义双引号
html_clean <- gsub("[\r\n\t]", " ", html_raw)  # 移除换行、制表符，替换为空格
html_clean <- gsub('"', '""', html_clean)     # 转义双引号（CSV中用""表示实际的"）

# 存入DataFrame
df$text[1] <- html_clean

步骤2：写入CSV #

使用标准的写入函数，确保文本被正确引用：

方法1：基础包的write.csv

默认会对字符列添加双引号，配合预处理后的文本即可避免拆分：

write.csv(df, "file.csv", row.names = FALSE)

方法2：readr包的write_csv

readr的写入函数对特殊字符处理更智能，无需手动转义双引号也能正确保存：

library(readr)
write_csv(df, "file.csv")

验证结果 #

打开生成的CSV文件，text列的HTML内容会完整保留在同一单元格内，不会被拆分到多行或多列。

内容的提问来源于stack exchange，提问作者user17661126