tidyverse中transmute未逐行生效：HTML文本提取重复第一行结果

这个问题我之前踩过坑！核心原因是read_html()和html_text()默认是按整个向量批量处理，而不是逐行（逐元素）单独处理的。

当你直接运行transmute(responses, response_stripped = html_text(read_html(response_content)))时，read_html()会把response_content列的所有字符串拼接成一个单一的HTML文档，html_text()提取的是这个合并文档的文本内容，所以后续所有行都会重复第一行的结果。

下面给你两种简单的解决方法：

方法1：用purrr::map_chr()逐元素处理 #

利用purrr包的映射函数，遍历每一个HTML字符串单独处理：

library(tidyverse)
library(rvest)

# 处理你的tibble
responses_clean <- responses %>%
  mutate(response_stripped = map_chr(response_content, ~ html_text(read_html(.x))))

map_chr()会逐个取出response_content里的元素，对每个元素执行read_html()和html_text()，最后返回一个字符向量作为新列，完美匹配tibble的行结构。

方法2：用rowwise()逐行执行 #

如果你更习惯用分组的思路，可以用rowwise()让后续操作按行执行：

responses_clean <- responses %>%
  rowwise() %>%
  mutate(response_stripped = html_text(read_html(response_content))) %>%
  ungroup()

注意处理完一定要用ungroup()取消行分组，不然后续的聚合操作可能会出问题。

额外小提示：处理无效HTML #

如果你的数据里有一些格式不规范的HTML字符串，可能会导致解析报错，可以用possibly()添加错误处理，出错时返回NA：

# 创建一个带错误处理的安全函数
safe_extract_text <- possibly(~ html_text(read_html(.x)), otherwise = NA_character_)

responses_clean <- responses %>%
  mutate(response_stripped = map_chr(response_content, safe_extract_text))

内容的提问来源于stack exchange，提问作者Weasler