正则表达式删除 <> 之间的所有内容

Question

我正在学习网络抓取。我掌握了一堆数据，但结构很乱。
我有一个这种形式的字符串向量:
"9,55< U+00A0>x< U+00A0>1016" , (现在我写它的时候我认为它是一种特殊的语法，因为如果不在“U”前加一个空格我就不能粘贴它) 在我抓取的网站上，它被写为“9,55*10^16”。

从长远来看，我的目标是将这个字符串变成一个数字变量，即 95500000000000000。但首先我想删除第一个“<”和最后一个“>”之间的所有内容。以下是我的尝试。

gsub("<(.*?)>", "", vectorOfStrings)

编辑:字符串最好在 R 中使用 "9,55\U{00A0}x\U{00A0}1016" 生成，因为“<”和“>”不是字符串中的实际文字。

Answer 1

您看到的字符是 unicode(我认为是 UTF-8)，R 的表示(当它不是很清楚时)是小于/大于表示法。要删除它，一种方法是将文本“转换”为 ASCII:

iconv(vectorOfStrings, "utf-8", "ASCII", sub = "")

任何不可翻译的东西都应该被丢弃。