Cordial saludo, he estado practicando el web scrapping desde wikipedia con la libreria rvest, y quisiera solucionar un problema que encontré al utilizar la función str_replace_all(). he aquí el código:
library(tidyverse)
library(rvest)
pagina <- read_html("https://es.wikipedia.org/wiki/Anexo:Premio_Grammy_al_mejor_%C3%A1lbum_de_rap") %>%
# list all tables on the page
html_nodes(css = "table") %>%
# convert to a table
html_table()
rap <- pagina[[2]]
rap <- rap[, -c(5)]
rap$Artista <- str_replace_all(rap$Artista, '\\[[^\\]]*\\]', "")
rap$Trabajo <- str_replace_all(rap$Trabajo, '\\[[^\\]]*\\]', "")
table(rap$Artista)
El problema está en que cuando remuevo de la variable Artista los elementos entre corchetes (hipervinculos en wikipedia), al hacer la tabulación para ver el conteo por artista, Eminem y se repite tres veces como si se tratara de tres artistas diferentes, igual pasa con Kanye West que se repite dos veces. Agradezco cualquier solución de antemano.