R语言如何拆分单元素向量构建arules可用事务型数据框

1. 字符串拆分与清洗 #

你的t1是1行1列的矩阵结构，首先提取内部字符串，按逗号分隔符拆分后清洗首尾无效的HTML标签、换行符残留：

# 提取矩阵内的原始字符串
raw_text <- t1[1, 1]

# 按单引号+逗号的固定分隔符拆分，避免误拆内容里的逗号
split_res <- strsplit(raw_text, split = "','", fixed = TRUE)[[1]]

# 清洗首尾无效字符：去掉开头的<meta标签残留、末尾的>和换行符
item_vec <- gsub("^.*?'", "", split_res)
item_vec <- gsub(">\\s*\\n?$", "", item_vec)

运行后item_vec就是拆分完成的独立元素向量，每个元素对应一个单独的词项。

2. 转换为arules可用的事务对象 #

arules包直接支持列表结构转事务格式，不需要额外构造数据框，单条/多条事务都可以按这个逻辑处理：

# 加载arules包
library(arules)

# 把清洗好的词项向量存入列表，单个列表元素对应1条事务
# 有多条事务时，依次把每条的词项向量作为列表元素追加即可
trans_list <- list(item_vec)

# 转换为arules原生的transactions格式
trans_data <- as(trans_list, "transactions")

# 校验转换结果，查看事务内容
inspect(trans_data)

注意事项 #

• 拆分时用fixed = TRUE按固定字符串匹配分隔符，比正则匹配效率更高，也不会出现转义错误。
• 示例中出现的São是网页编码不匹配导致的乱码，如果需要修正可以用iconv()函数转对应编码，不影响关联规则计算的话可以跳过该步骤。
• 如果后续需要批量处理多条同类爬取数据，把每条数据的清洗逻辑封装成函数，批量生成列表后一次性转事务对象即可。

内容的提问来源于stack exchange，提问作者tjus