Skip to main content
etiquetas editadas
Enlace
Patricio Moracho
  • 61.1k
  • 12
  • 42
  • 72
se eliminaron 2 caracteres en el cuerpo
Origen Enlace

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.

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.

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 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.

Origen Enlace

problema con la funcion str_replace_all()

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.