新しいパッケージ XML2 に関するこのブログ投稿を読んでいました。以前はrvestに依存してXMLいましたが、(少なくとも) 2 つのパッケージの関数を組み合わせることで、多くの作業が簡単になりました。たとえば、(現在は を呼び出している)htmlParseを使用して HTML ページを読み取れない場合は、XML パッケージから使用していました。 .htmlread_html
例としてこれを参照してください。解析されたページで、などのrvest関数を使用できます。現在、これに依存することはできません (少なくとも表面上では)。html_nodeshtml_attrrvestXML2
XML と XML2 の基本的な違いは何だろうと思っていました。前述の投稿で XML パッケージの作成者を特定する以外に、パッケージの作成者は XML と XML2 の違いについて説明していません。
もう一つの例：
library(R2HTML) #save page as html and read later
library(XML)
k1<-htmlParse("https://stackoverflow.com/questions/30897852/html-in-rvest-verses-htmlparse-in-xml")
head(getHTMLLinks(k1),5) #This works
[1] "//stackoverflow.com" "http://chat.stackoverflow.com" "http://blog.stackoverflow.com" "//stackoverflow.com"
[5] "http://meta.stackoverflow.com"
# But, I want to save HTML file now in my working directory and work later
HTML(k1,"k1") #Later I can work with this
rm(k1)
#read stored html file k1
head(getHTMLLinks("k1"),5)#This works too
[1] "//stackoverflow.com" "http://chat.stackoverflow.com" "http://blog.stackoverflow.com" "//stackoverflow.com"
[5] "http://meta.stackoverflow.com"
#with read_html in rvest package, this is not possible (as I know)
library(rvest)
library(R2HTML)
k2<-read_html("https://stackoverflow.com/questions/30897852/html-in-rvest-verses-htmlparse-in-xml")
#This works
df1<-k2 %>%
html_nodes("a")%>%
html_attr("href")
head(df1,5)
[1] "//stackoverflow.com" "http://chat.stackoverflow.com" "http://blog.stackoverflow.com" "//stackoverflow.com"
[5] "http://meta.stackoverflow.com"
# But, I want to save HTML file now in my working directory and work later
HTML(k2,"k2") #Later I can work with this
rm(k2,df1)
#Now extract webpages by reading back k2 html file
#This doesn't work
k2<-read_html("k2")
df1<-k2 %>%
html_nodes("a")%>%
html_attr("href")
df1
character(0)
アップデート:
#I have following versions of packages loaded:
lapply(c("rvest","R2HTML","XML2","XML"),packageVersion)
[[1]]
[1] ‘0.2.0.9000’
[[2]]
[1] ‘2.3.1’
[[3]]
[1] ‘0.1.1’
[[4]]
[1] ‘3.98.1.2’
Windows 8、R 3.2.1、および RStudio 0.99.441 を使用しています。