在R语言中如何将HTML格式内容转换为普通字符？

方法1：使用rvest包（推荐） #

rvest是R生态中专门用于处理HTML/XML内容的工具包，解析逻辑严谨，适合各类格式的HTML内容处理，不会因标签格式微小差异出错。
操作代码如下：

# 首次使用先安装包，安装过可跳过
install.packages("rvest")
# 加载包
library(rvest)

# 测试变量
v1 <- "This is the link <a href=https://google.com>Click here</a> also there is another link, <a href=https://yahoo.com>Click here</a>"

# 解析转换
processed_v1 <- v1 |> 
  read_html() |> 
  html_elements("a") |> 
  html_attr("href") |> 
  (\(links) {
    # 替换所有a标签为对应href内容
    temp <- v1
    for (i in seq_along(links)) {
      temp <- sub("<a[^>]+>.*?</a>", links[i], temp)
    }
    temp
  })()

# 查看结果
print(processed_v1)

输出结果和期望完全一致：

[1] "This is the link https://google.com also there is another link, https://yahoo.com"

方法2：正则表达式替换（轻量场景适用） #

如果你不想额外安装第三方包，且确定所有待处理的a标签格式规范，可直接用正则替换实现：

v1 <- "This is the link <a href=https://google.com>Click here</a> also there is another link, <a href=https://yahoo.com>Click here</a>"

processed_v1 <- gsub("<a href=([^ >]+)[^>]*>.*?</a>", "\\1", v1)
print(processed_v1)

注意：正则方法仅适用于格式统一的简单HTML片段，复杂嵌套HTML场景下容易出现匹配错误，优先推荐使用rvest方案。

内容的提问来源于stack exchange，提问作者user11740857