R语言爬取秘鲁总统列表后筛选N列小数行减少信息丢失方案

你需要的核心逻辑是仅排除N列带小数点后缀的行，不要做额外的去重、空值筛选即可保留84行有效数据，完整代码如下：

library(dplyr)
library(rvest)

presid <- read_html("https://en.wikipedia.org/wiki/List_of_presidents_of_Peru") %>% 
  html_nodes("table") %>% 
  .[3] %>% 
  html_table(header = NA, trim = T) 

t3 <- presid[[1]] 
# 仅筛选N列不含小数点的行，排除带.5/.6等小数后缀的临时/代理总统条目
t_final <- t3[!grepl("\\.\\d+", as.character(t3$N)), ]

原代码异常原因 #

1. t4 <- t3[unique(t3$N),]逻辑错误：unique(t3$N)返回的是去重后的总统序号值，不是行索引，直接当作行号取行会错误丢弃大量合法数据，是你数据大幅缩减的核心原因
2. t5 <- subset(t4,!is.na(President))会误删部分合并单元格导致的President列空值的合法任期条目，进一步造成数据损耗

之前尝试的正则问题 #

• strsplit的正则表达式中(? = [0-9])的等号前多了空格，导致正则匹配失效
• grep写法中[[:numeric:]]为错误写法，正确的数字类匹配符为[[:digit:]]，且{2, }的大括号内多了空格，无法正确匹配

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