R，的“计数频率”

Question

我解析一个HTML文件后，我得到了这样的事情，我想算的频率“”（3号线）

html_1 

[1]"I'm working" 
[2]" " 
[3]"" 
[4]" " 

class(html_1) 
character 

我会用表函数对于正常的数据帧，但只要我将其更改为数据帧，就会变成如下所示，因此我无法区分“”和“”。

html_2 <- as.data.frame(html_1) 
html_2 

I'm working 

任何建议计数“”？

Answer 1

选择一个：

sum(html_1 == "") 

sum(nchar(html_1) == 0) 

Answer 2

这主要建立在@罗马的答案，但（1）展示了一种不同的方式来“看”的空间;（2）向您展示了制表不同的想法：

html_1 <- c("I'm working here", " ", "", " ", "No", NA, "") 
html_2 <- as.data.frame(html_1) 

print有quote说法让您可以在列的周围添加引号，这样您就可以更轻松地看到前导空白和尾随空白。这在这里也有帮助。

print(html_2, quote = TRUE) 
#    html_1 
# 1 "I'm working here" 
# 2    " " 
# 3     "" 
# 4    " " 
# 5    "No" 
# 6     NA 
# 7     "" 

制表是寻找看起来像""一个字符串一样简单：

html_2$html_1 == "" 
# [1] FALSE FALSE TRUE FALSE FALSE NA TRUE 
table(html_2$html_1 == "") 
# 
# FALSE TRUE 
#  4  2 

或者，你可以指望有多少个字符有每个项目获得相同的信息。在这里，0显然是感兴趣的字符串（但我不喜欢NA被计算为两个字符）。

table(nchar(as.character(html_2$html_1))) 
# 
# 0 1 2 16 
# 2 2 2 1 

Answer 3

您可以使用正则表达式来查找空字符串：

html1 <- c("I'm working here", " ", "", " ") 
idx <- grepl("^$", html1) 
# [1] FALSE FALSE TRUE FALSE 

在上面的代码，^$表示""。算上空字符串：

table(idx) 
# idx 
# FALSE TRUE 
#  3  1