Question

过去几天我一直在寻找，我在XPath v2中看到你可以使用＆＃39;除了＆＃39;运营商，但是还没有能够弄清楚xml2如何处理这个问题。

这个链接有点像我想要做的，但这是XPath特有的，我试图全面排除节点like in this SO answer。

例如，我的测试文档是.docx，我解压缩并阅读。它有正文和表格。我想阅读所有正文，除了表格中的任何内容。我可以阅读两者，但我无法弄清楚如何排除所有w:tbl。任何not或except运营商似乎都无法运作。

使用xml_find_all，它会毫无例外地擦除这些节点中的任何内容。

bodytext <- xml2::xml_find_all(doc, "//w:p")
tabletext <- xml2::xml_find_all(doc, "//w:tbl")

Answer 1

您在此处查询所有现有w:p，但w:tbl包含w:p的实例 - 以下仅选择位于正文中的段落：

xml2::xml_find_all(doc, "//w:body/w:p")

请注意，要浏览docx的内容，您可以使用officer::docx_summary(officer::read_docx('/path/to/document.docx'))来返回包含内容，索引等的data.frame，如下所示。

  doc_index content_type style_name             text level num_id
1         1    paragraph       <NA>                     NA     NA
2         2    paragraph  heading 1 Table of content    NA     NA
3         3    paragraph       <NA>                     NA     NA
4         4    paragraph  heading 2     dataset iris    NA     NA

如何使用xml2排除节点

1 个答案: