如何将网页抓取数据转换为data.frame？如何清除\t\n\t\t\t空白字符？

我来帮你搞定这个烦人的空白字符问题！你遇到的\t、\n这类杂乱空白，其实用R里的工具很容易清理，给你两种实用方案：

方案一：用stringr包的str_squish()（推荐，最省心） #

这个函数是tidyverse生态里的工具，能一键搞定所有多余空白：

• 去除字符串首尾的所有空白（包括\t、\n、空格）
• 把中间连续的任意空白字符（不管是哪种）替换成单个空格

完整代码示例：

# 加载所需包
library(rvest)
library(stringr)

# 定义目标URL
URL <- "https://rotogrinders.com/pages/pga-course-history-743469"

# 读取网页并抓取清理文本
tablescrape_html <- read_html(URL)
cleaned_text <- tablescrape_html %>% 
  html_nodes("tr") %>% 
  html_text() %>% 
  str_squish()  # 核心清理步骤

# 查看清理后的结果
head(cleaned_text)

方案二：用基础R函数（无需额外装包） #

如果你不想安装新包，用基础R的trimws()和gsub()组合也能实现：

library(rvest)

URL <- "https://rotogrinders.com/pages/pga-course-history-743469"
tablescrape_html <- read_html(URL)

cleaned_text <- tablescrape_html %>% 
  html_nodes("tr") %>% 
  html_text() %>% 
  trimws() %>%  # 先去除首尾空白
  gsub("\\s+", " ", .)  # 把中间任意数量的空白换成单个空格

head(cleaned_text)

这里的\\s+正则表达式会匹配一个或多个任意空白字符（包括\t、\n、空格等），所以能一次性清理掉所有杂乱的空白格式。

内容的提问来源于stack exchange，提问作者user3066155