我rvest用来解析网站。我正在用这些小的非破坏空间撞墙。如何删除 已解析的 html 文档中的元素创建的空白？
library("rvest")
library("stringr")
minimal <- html("<!doctype html><title>blah</title> <p> foo")
bodytext <- minimal %>%
html_node("body") %>%
html_text
现在我已经提取了正文：
bodytext
[1] " foo"
但是，我无法删除那个讨厌的空格！
str_trim(bodytext)
gsub(pattern = " ", "", bodytext)
jdharison 回答：
gsub("\\W", "", bodytext)
并且，这将起作用，但您可以使用：
gsub("[[:space:]]", "", bodytext)
这将删除所有Space characters: tab, newline, vertical tab, form feed, carriage return, space and possibly other locale-dependent characters. 它是其他神秘正则表达式类的非常易读的替代品。
我遇到了同样的问题，并决定简单替换
gsub(intToUtf8(160),'',bodytext)
（编辑为正确大小写。）
代表“ 不间断空间”，它在 unicode 空间中具有与“常规”空间（即" "）不同的特征。相比
charToRaw(" foo")
# [1] 20 66 6f 6f
charToRaw(bodytext)
# [1] c2 a0 66 6f 6f
因此，您希望使用一种特殊字符类来表示空白。您可以删除所有空格
gsub("\\s", "", bodytext)
在 Windows 上，我需要确保字符串的编码设置正确
Encoding(bodytext) <- "UTF-8"
gsub("\\s", "", bodytext)
发布此内容是因为我认为这是最可靠的方法。
我刮了一个维基百科页面，并在我的输出中得到了这个（不确定它是否会正确复制粘贴）：
x <- " California"
并且gsub("\\s", "", x)没有改变任何东西，这引发了一些可疑的事情正在发生。
为了调查，我做了：
dput(charToRaw(strsplit(x, "")[[1]][1]))
# as.raw(c(0xc2, 0xa0))
弄清楚该字符在内存中的存储/识别方式。
有了这个，我们可以gsub比其他解决方案更稳健地使用：
gsub(rawToChar(as.raw(c(0xc2, 0xa0))), "", x)
# [1] "California"
（@MrFlick 设置编码的建议对我不起作用，不清楚@shabbychef 从哪里得到输入160；intToUtf8这种方法可以推广到其他类似情况）
使用rex可能会使这种类型的任务更简单一些。此外，我无法重现您的编码问题，无论我的机器上的编码如何，以下内容都会正确替换空间。（这是相同的解决方案[[:space:]]，所以可能对您有同样的问题）
re_substitutes(bodytext, rex(spaces), "", global = TRUE)
#> [1] "foo"
我能够删除 字符串开头和结尾的空格mystring %>% stringr::str_trim()。