html - 删除(不间断的)字符串中的空格字符

Question

This question似乎可以很容易地删除 R 中字符串中的空格字符。但是，当我加载下表时，我无法删除两个数字之间的空格(例如 11 846.4):

require(XML)
require(RCurl)
require(data.table)

link2fetch = 'https://www.destatis.de/DE/Themen/Branchen-Unternehmen/Landwirtschaft-Forstwirtschaft-Fischerei/Feldfruechte-Gruenland/Tabellen/ackerland-hauptnutzungsarten-kulturarten.html'

theurl = getURL(link2fetch, .opts = list(ssl.verifypeer = FALSE) ) # important!
area_cult10 = readHTMLTable(theurl, stringsAsFactors = FALSE)
area_cult10 = rbindlist(area_cult10)
    
test = sub(',', '.', area_cult10$V5) # change , to . 
test = gsub('(.+)\\s([A-Z]{1})*', '\\1', test) # remove LETTERS
gsub('\\s', '', test[1]) # remove white space?

为什么我不能删除 test[1] 中的空格？感谢您的任何建议!这可以是空格字符以外的东西吗？也许答案真的很简单，但我忽略了一些东西。

Answer 1

您可以将 test 创建缩短到仅 2 个步骤并仅使用 1 个 PCRE 正则表达式(注意 perl=TRUE 参数):

test = sub(",", ".", gsub("(*UCP)[\\s\\p{L}]+|\\W+$", "", area_cult10$V5, perl=TRUE), fixed=TRUE)

结果:

 [1] "11846.4" "6529.2"  "3282.7"  "616.0"   "1621.8"  "125.7"   "14.2"   
 [8] "401.6"   "455.5"   "11.7"    "160.4"   "79.1"    "37.6"    "29.6"   
[15] ""        "13.9"    "554.1"   "236.7"   "312.8"   "4.6"     "136.9"  
[22] "1374.4"  "1332.3"  "1281.8"  "3.7"     "5.0"     "18.4"    "23.4"   
[29] "42.0"    "2746.2"  "106.6"   "2100.4"  "267.8"   "258.4"   "13.1"   
[36] "23.5"    "11.6"    "310.2"  

gsub 正则表达式值得特别注意:

• (*UCP) - 强制模式识别 Unicode 的 PCRE 动词
• [\\s\\p{L}]+ - 匹配 1+ 个空格或字母字符
• | - 或(交替运算符)
• \\W+$ - 字符串末尾的 1+ 个非单词字符。

然后，sub(",", ".", x, fixed=TRUE) 将用 替换第一个 ,。作为文字字符串，fixed=TRUE 节省了性能，因为它不必编译正则表达式。