使用rvest爬取网页时，变量值'F'被转为'FALSE'如何避免？

rvest的html_table()函数默认开启自动类型转换（convert = TRUE），单字符的'F'会被误识别为逻辑值FALSE。可以通过以下两种方法避免这个问题：

方法一：关闭自动类型转换 #

直接在html_table()中设置convert = FALSE，所有单元格内容会以原始字符串形式保留：

call_link <- "https://www.cdisc.org/standards/therapeutic-areas/vaccines/vaccines-therapeutic-area-user-guide-v11/html"
call_page <- read_html(call_link)

call_table <- call_page %>% html_nodes("table.confluenceTable.dataset") %>% 
  html_table(convert = FALSE) %>% .[[5]] 

这种方法会让所有列变为字符类型，后续若需转换其他列的类型，可手动用type.convert()处理，比如：

call_table <- type.convert(call_table, as.is = c("需要保留字符的列名"))

方法二：手动提取单元格构建数据框 #

如果需要更精细的控制，可直接提取每个单元格文本再组装成数据框：

call_link <- "https://www.cdisc.org/standards/therapeutic-areas/vaccines/vaccines-therapeutic-area-user-guide-v11/html"
call_page <- read_html(call_link)

# 定位目标表格
target_table <- call_page %>% html_nodes("table.confluenceTable.dataset") %>% .[[5]]

# 提取表头
headers <- target_table %>% html_nodes("th") %>% html_text()

# 提取所有行的单元格内容
rows <- target_table %>% html_nodes("tr") %>% tail(-1) %>% # 跳过表头行
  lapply(function(row) {
    row %>% html_nodes("td") %>% html_text()
  })

# 转换为数据框
call_table <- do.call(rbind.data.frame, rows)
colnames(call_table) <- headers

这种方式完全由你控制每个单元格的内容，不会出现自动类型转换的问题。

内容的提问来源于stack exchange，提问作者jkatam