Question

所以，我从FIFA worldcup网站解析了HTML代码，想要获得所有匹配项：

 wcup <- htmlTreeParse("http://www.fifa.com/worldcup/matches/", useInternalNodes=T)

然而，一个国家的领域是't-nText kern'，而其他国家的领域是't-nText'。

 <span class="t-nText kern">Bosnia and Herzegovina</span>

因此，如果我使用这个命令，我会想念'波斯尼亚和黑塞哥维那'，就像这个命令：

xpathSApply(wcup, "//span[@class='t-nText ']", xmlValue)

那么，有什么方法可以同时搜索属性't-nText'和't-nText kern'？或者你还有其他解决方案吗？我希望保持匹配的顺序。

xpath不支持逻辑OR：

xpathSApply(wcup, "//span[@class='t-nText ' || 't-nText kern']", xmlValue)
XPath error : Invalid expression
//span[@class='t-nText ' || 't-nText kern']
                          ^
XPath error : Invalid expression
//span[@class='t-nText ' || 't-nText kern']
                                          ^
Error in xpathApply.XMLInternalDocument(doc, path, fun, ..., namespaces = namespaces,  : 
  error evaluating xpath expression //span[@class='t-nText ' || 't-nText kern']

Answer 1

使用'或'或'start-with（）'，

wcup["//span[@class='t-nText kern' or @class='t-nText ']"]
wcup["//span[starts-with(@class, 't-nText ')]"]

Answer 2

我最初发布这个，然后注意到需要订单，所以我搜索了SO“XPath OR”

为什么不直接将两个搜索的结果附加在一起：

c( xpathSApply(wcup, "//span[@class='t-nText kern']", xmlValue), 
   xpathSApply(wcup, "//span[@class='t-nText ']", xmlValue)
  )

瞧，我想出来了：

xpathSApply(wcup, "//*[starts-with(@class,'t-nText')]", xmlValue)

这似乎与马丁摩根的解决方案类似。我没有意识到XPath是它自己的语言。猜猜我至少落后了10年。

R解析HTML文档并使用xpath获取两种模式的所有匹配

2 个答案: