相关疑难解决方法(0)

我需要匹配所有这些开始标记:

<p>
<a href="foo">

但不是这些:

<br />
<hr class="foo" />

我想出了这个,并希望确保我做对了.我只抓住了a-z.

<([a-z]+) *[^/]*?>

我相信它说:

• 找一个小于,然后
• 然后,查找(并捕获)az一次或多次
• 然后找到零个或多个空格
• 找到任何字符零次或多次,贪婪/,然后
• 找到一个大于

我有这个权利吗？更重要的是,你怎么看？

似乎stackoverflow上的每个问题,其中提问者使用正则表达式从HTML中获取一些信息将不可避免地有一个"答案",表示不使用正则表达式来解析HTML.

为什么不？我知道那里有引用 - 不引用"真正的"HTML解析器,比如Beautiful Soup,我相信它们是强大而有用的,但是如果你只是做一些简单,快速或肮脏的事情,那么为什么当一些正则表达式语句运行得很好时,麻烦​​使用如此复杂的东西？

此外,是否有一些基本的东西,我不了解正则表达式,这使得它们一般是解析的错误选择？

我有以下数据：

我想要做的是从描述列中删除 HTML 标签，如果有任何像这样的数据“\xc3\x99\xe2\x80\xa6\xc3\x98\xc2\xad\xc3\x98\xc2\xb1 \xc3\x98\xc2\xb1/\xc3\x99\xe2\x80\xa6\xc3\x98\xc2\xad\xc3\x98\xc2\xb1\xc3\x98\xc2\xb1\xc3\x98\xc2\ xa9”可以被删除。

这是删除空数据后的代码。

mydata <- read.csv("data science - sample date.csv", header = TRUE, na.strings=c("", "NA"), sep = ",")\nmydata[mydata==""] <- NA\nmydata <-na.omit(mydata)\n