2

次の例を考えます。

sites=c('site 1','site 2')
link=c('<a href="http://example.com/path">This website</a>', '<a href="http://example.com/path2">That website</a>')
w=data.frame(link,sites)
w
                                             link      sites
<a href="http://example.com/path">This website</a>   site 1
<a href="http://example.com/path2">That website</a>  site 2

HTML スニペットを解析して URL とリンク テキストを抽出し、それらをデータ フレームの個別の列にポップする正規表現を適用するにはどうすればよいですか? たとえば、上記の例では、次のようなデータ フレームを生成するにはどうすればよいでしょうか。

                     url          name     sites
http://example.com/path    This website   site 1
http://example.com/path2   That website   site 2
4

2 に答える 2

8

htmlTreeParseこれは、パッケージの関数を使用したソリューションですXML（つまり、正規表現なし）

R> library("XML") 
R> htp <- htmlTreeParse(link)
R> t(sapply(seq_along(link),
+           function(i) c(url=unname(htp$children$html[[1]][[i]]$attributes),
+                         name=htp$children$html[[1]][[i]]$children$text$value,
+                         sites=sites[i])))
     url                        name           sites   
[1,] "http://example.com/path"  "This website" "site 1"
[2,] "http://example.com/path2" "That website" "site 2"
于 2011-09-02T09:34:42.240 に答える
0

代替ソリューションrvest:

library(rvest)

sites <- c('site 1','site 2')
link <- c('<a href="http://example.com/path">This website</a>', 
          '<a href="http://example.com/path2">That website</a>')
w <- data.frame(link, sites)

anchors <- html_nodes(read_html(paste0(w$link, collapse="")), "a")

data.frame(url=html_attr(anchors, "href"),
           name=html_text(anchors),
           sites=w$sites)
##                        url         name  sites
## 1  http://example.com/path This website site 1
## 2 http://example.com/path2 That website site 2
于 2016-01-17T14:11:18.023 に答える