如何删除字符串中的空字符串（“”）

Question

我在使用 rvest 进行网页抓取时遇到了一个奇怪的问题。

我刮了以下名称："Ab­dich­ter/in EFZ"起初看起来很正常。但是，当我将文件写入 csv 时，我发现字母之间有“-”。在 Excel 中，这个词看起来像这样：Ab-­dich-ter/in EFZ。

所以我做了一个str_split(x, "")，发现字符串实际上是这样的：

c("A", "b", "­", "d", "i", "c", "h", "­", "t", "e", "r", "/", "i", "n", " ", "E", "F", "Z")

我试图从字符串中取出空字符串，但我没有做到。我试过：

my_string <- str_split(my_string , "")

进而

paste0(my_string[my_string != ""])

但这没有帮助。

因此，我想知道：

1. 空字符串如何进入该字符串，以及
2. 怎么弄出来。

编辑：这是网页。

这是我获得字符串的方式：

library(rvest)

read_html("https://berufskunde.com/ausbildungsberufe/ausbildung-abdichter.html", encoding = "UTF-8") %>% 
  html_nodes(".section") %>% 
  html_nodes(".text-rot") %>% 
  html_text()

Answer 1

您观察到的字符串不是空字符串，而是一个软连字符(U+00AD) 字符。它应该只在单词跨行时显示，但一些编辑器不能正确处理它，这就是为什么在您检查 CSV 时它可能会显示的原因。

无论如何，您可能希望将其从字符串中删除：

str = gsub('\U00AD', '', str)