如何使用R中的XPath获取HTML标记内的所有内容

时间:2015-12-12 00:04:38

标签: r xpath

我在java中看过其他帖子,但是遗憾的是,我只知道R

我希望获得标签中包含的所有内容(标签,属性,值),包括子标签的内容。我以为我可以做像

这样的事情
a = xpathSApply(html, "//span[@class = 'class name']/node()", ????)

但后来我意识到我不知道任何能够获得你道路的全部内容的函数,而不仅仅是属性或只是文本。我该怎么做?

1 个答案:

答案 0 :(得分:0)

不确定这是否适用于您的用例,但您是否尝试使用库xml2?

content <- read_xml( html )
nodes <- xml_find_all(content, xpath)   # or xml_find_one if you want only the first result

从那里,你可以使用xml_text()xml_attrs()xml_name()xml_children(),...

来做各种事情。

要真正检索完整的内容,我会猜测a <- paste(nodes[[1]]) ......