从存储不良的列表数据创建数据框（删除第一行是垃圾）答案

【问题标题】：Creating a data frame from poorly stored list data (Removing the first row which is junk)从存储不良的列表数据创建数据框（删除第一行是垃圾）
【发布时间】：2019-08-22 02:04:06
【问题描述】：

我们的教授不断给我们分配在 R 中工作的任务，但我们通常不得不从网络上获取更简单的数据，而不是给我们提供更简单的数据。

这段代码就是这样做的：

library(rvest)
url <- "https://www.supremecourt.gov/opinions/slipopinion/18"
page <- read_html(url)
table <- html_table(page, fill = FALSE, trim = TRUE)

但是这也包含在表数据中：

表 [[1]] X1 1 搜索提示\r\n 搜索术语太短 \r\n 无效搜索词中的文本。再试一次 X2 1 高级搜索文档搜索

所以我很难理解如何将这些数据格式化为数据框，因为像as.data.frame(table) 这样的操作会给我这个错误，

错误（函数（...，row.names = NULL，check.rows = FALSE， check.names = TRUE，：参数暗示不同的行数：1， 11、8、7、2

【问题讨论】：

你的教授帮了你一个忙，现实世界的数据很混乱 :) 假设你想要每个月的表格，最好使用 html_nodes("table") 和选择器获取表格所需的表，在使用 html_table 之前。

标签： r list

【解决方案1】：

您可以使用选择器将包含数据的表格与页面上的其他表格（例如搜索框）区分开来。在这种情况下，数据表属于 table-bordered 类：

page %>% 
  html_nodes("table.table-bordered") %>% 
  html_table()

【讨论】：

【解决方案2】：

我认为我们可以通过两种方式来处理它。如果确定只出现第一类错误，可以通过grepl搜索Search term too short，排除table列表中的任意元素，再执行bind_rows。

library(dplyr)
table[unlist(lapply(
  table, 
  function(x) sum(grepl("Search term too short", x))
)) < 1] %>% 
  bind_rows()

否则，由于列表的其他“不错”元素具有相同的列名/格式，您也可以使用它。

table[unlist(lapply(
  table, 
  function(x) sum(grepl("Docket", names(x))) > 0
))] %>% 
  bind_rows()

【讨论】：

非常感谢！这就是我理解 unlist 和 bindrows 的诀窍，但 function(x) sum ... 东西对我来说没有意义，但我猜它过滤数据以从表中选择？
@BaileyMiller sum 存在是因为 grepl 在多个元素上运行。你可以尝试一一分解，看看它们在做什么！