如何覆盖R中的html文件

Posted 2023-02-21

【中文标题】如何覆盖R中的html文件

【英文标题】：how to overwrite a html file in R

【发布时间】：2020-03-23 13:43:46

【问题描述】：

我正在尝试将 html 文件中的电子邮件地址替换为 ANTI SPAM 格式，然后再次将其导出为 nospam.html 文件。 我尝试使用 gsub() 函数来执行此操作，但它似乎不起作用。有什么问题？ 谢谢！！！

datei <- scan("https://isor.univie.ac.at/about-us/People.html", sep = "\n", what= "character")
#pattern.email <- "[a-z]+[.]+[a-z]+?[@]+[a-z]+"
reg.email <- "\\<[A-Z0-9._%+-]+@[A-Z0-9.-]+\\.[A-Z]2,\\>" #works

stelle.email <-gregexpr(reg.email, datei, ignore.case = TRUE) #works

unlist(stelle.email)
res.email<- regmatches(datei, stelle.email)

datei2<-gsub(reg.email, "vornameDOTnameNO-SPAMunivieDOTacDOTat", x = datei)

write(datei2, file = "nospam.html")

【问题讨论】：

“它似乎不起作用”，您能否更具体地指出什么不起作用。

我怀疑你的reg.email。您可以调试以查看它实际匹配的内容吗？我想起了这一点：“如果有疑问，请继续添加斜线，直到它起作用。” -- Joran Elias（关于如何在 R 中转义反斜杠）

您对datei2 的分配存在两个问题：(1) 您正在用datei 中的静态字符串替换静态正则表达式（它永远不会发生）；或者 (2) 你的意思是gsub(res.email, ...)，在这种情况下你忽略了?gsub，当它说它只使用来自pattern=的第一个警告时。

【参考方案1】：

知道regmatches（用于提取匹配的子字符串）也有伴随的regmatches<-函数（用于替换匹配的子字符串）可能会提供信息。见?regmatches。

所以不需要gsub，只需：

datei <- scan("https://isor.univie.ac.at/about-us/People.html", sep = "\n", what= "character")
# Read 481 items
reg.email <- "\\<[A-Z0-9._%+-]+@[A-Z0-9.-]+\\.[A-Z]2,\\>" #works
stelle.email <- gregexpr(reg.email, datei, ignore.case = TRUE) #works

# for proof, first look at a substring with a "known" email:
substr(datei[268], 236, 281)

### the only new/different line of code, remove your gsub
regmatches(datei, stelle.email) <- "vornameDOTnameNO-SPAMunivieDOTacDOTat"

# now look at the same portion of that one substring, now updated
substr(datei[268], 236, 281)

write(...)