R：which（）函数在字符向量中找不到指定的字符串（向量包含字符串）答案

【问题标题】：R: which() function can't find specified string in character vector (vector DOES contain string)R：which（）函数在字符向量中找不到指定的字符串（向量包含字符串）
【发布时间】：2016-04-20 19:21:39
【问题描述】：

我编写了一个简单的函数来从 Baseball Reference.com 上抓取所有 MLB 投手的姓名。我创建了一个带有刮擦名称的向量，从原始刮擦名称中删除了 Â，并强制转换为字符向量。

library(rvest)
url <- "http://www.baseball-reference.com/leagues/MLB/2016-standard-pitching.shtml"
mlbpitcherdata <- read_html(url)

mlbpitchers <- mlbpitcherdata %>% html_nodes("td:nth-child(2) a") %>%  html_text()
mlbpitchers <- as.character(sapply(mlbpitchers, function(x) gsub("Â","",x))) # Remove "Â" from all raw pitcher names

然后我尝试在字符向量中查找特定名称的索引，我知道它在向量内部，which() 函数返回integer(0)。

# Search for pitcher name in list of pitchers = Returns integer(0)!
which(mlbpitchers=="Chad Bettis")
integer(0)

# But, mlbpitchers CLEARLY has Chad Bettis inside of it.
mlbpitchers[26]
[1] "Chad Bettis"

我很困惑为什么which() 函数不能识别名称。我非常感谢任何人的帮助。我知道这可能是一件非常愚蠢和容易的事情，但我想不通！谢谢！

（注意：删除 Â 字符后，我被要求选择保存编码。我选择系统默认值：ISO 8859-1。我不确定这是否会导致问题。）

【问题讨论】：

rawToChar(charToRaw(mlbpitchers[26]),multiple = TRUE) 可能说明了问题，但我不是奇怪隐藏字符方面的专家。

标签： r vector character

【解决方案1】：

这是一个编码问题。特别是，如果您查看

R> substr(mlbpitchers[26], 1, 4) == "Chad"
[1] TRUE
R> substr(mlbpitchers[26], 5, 5) == " "
[1] FALSE

正如 Joran 建议的那样，使用

R> rawToChar(charToRaw(mlbpitchers[26]),multiple = TRUE)
[1] "C"    "h"    "a"    "d"    "\xc2" "\xa0" "B"    "e"    "t"    "t"   
[11] "i"    "s"

也突出了这个问题。这些字符（感谢 Nicola）是 html non-breaking 空格。要删除它们，请使用

gsub("\xc2\xa0"," ",mlbpitchers)

【讨论】：

这是我在调用您所说的内容时所观察到的：rawToChar(charToRaw(mlbpitchers[26]),multiple = TRUE) [1] "C" "h" "a" "d" " " "B" "e" "t" "t" "i" "s"
这些是不间断空格：en.wikipedia.org/wiki/Non-breaking_space 删除它们：gsub("\xc2\xa0"," ",mlbpitchers)
@IRNotSmart 我不明白。比较第 5 个字符时会发生什么？
@csgillespie, @nicola substr(mlbpitchers[26], 5, 5) == " " [1] FALSE 很困惑，伙计。我不知道为什么我在调用 row 到 char 时没有看到 \xc2 和 \xao
@IRNotSmart 两个想法：（1）重启R再试一次，（2）分享你在什么平台上。