我正在嘗試將網頁源代碼讀入R并將其作為字符串處理。我正在嘗試刪除段落并從段落文本中刪除html標簽。我遇到了以下問題：

我嘗試實現一個功能來刪除html標簽：

cleanFun=function(fullStr)

{

#find location of tags and citations

tagLoc=cbind(str_locate_all(fullStr,"")[[1]][,1]);

#create storage for tag strings

tagStrings=list()

#extract and store tag strings

for(i in 1:dim(tagLoc)[1])

{

tagStrings[i]=substr(fullStr,tagLoc[i,1],tagLoc[i,2]);

}

#remove tag strings from paragraph

newStr=fullStr

for(i in 1:length(tagStrings))

{

newStr=str_replace_all(newStr,tagStrings[[i]][1],"")

}

return(newStr)

};

這適用于某些標簽，但不適用于所有標簽，此示例失敗的示例是以下字符串：

test="junk junk junk junk"

目標是獲得：

cleanFun(test)="junk junk junk junk"

但是，這似乎不起作用。我認為這可能與字符串長度或轉義字符有關，但是我找不到涉及這些的解決方案。