html_element()
和 html_elements()
使用 CSS 选择器或 XPath 表达式查找 HTML 元素。 CSS 选择器与 https://selectorgadget.com/ 结合使用特别有用,这使得您可以轻松找到所需的选择器。
CSS 选择器支持
CSS 选择器通过以下方式转换为 XPath 选择器选择器package,这是python的一个端口CSS选择 Library ,https://pythonhosted.org/cssselect/.
它实现了大多数 CSS3 选择器,如中所述https://www.w3.org/TR/2011/REC-css3-selectors-20110929/。下面列出了例外情况:
-
需要交互性的伪选择器将被忽略:
:hover
、:active
、:focus
、:target
、:visited
。 -
以下伪类不适用于通配符元素 *:
*:first-of-type
、*:last-of-type
、*:nth-of-type
、*:nth-last-of-type
、*:only-of-type
-
它支持
:contains(text)
-
可以使用!=,
[foo!=bar]
与:not([foo=bar])
相同 -
:not()
接受一系列简单选择器,而不仅仅是一个简单选择器。
例子
html <- minimal_html("
<h1>This is a heading</h1>
<p id='first'>This is a paragraph</p>
<p class='important'>This is an important paragraph</p>
")
html %>% html_element("h1")
#> {html_node}
#> <h1>
html %>% html_elements("p")
#> {xml_nodeset (2)}
#> [1] <p id="first">This is a paragraph</p>
#> [2] <p class="important">This is an important paragraph</p>
html %>% html_elements(".important")
#> {xml_nodeset (1)}
#> [1] <p class="important">This is an important paragraph</p>
html %>% html_elements("#first")
#> {xml_nodeset (1)}
#> [1] <p id="first">This is a paragraph</p>
# html_element() vs html_elements() --------------------------------------
html <- minimal_html("
<ul>
<li><b>C-3PO</b> is a <i>droid</i> that weighs <span class='weight'>167 kg</span></li>
<li><b>R2-D2</b> is a <i>droid</i> that weighs <span class='weight'>96 kg</span></li>
<li><b>Yoda</b> weighs <span class='weight'>66 kg</span></li>
<li><b>R4-P17</b> is a <i>droid</i></li>
</ul>
")
li <- html %>% html_elements("li")
# When applied to a node set, html_elements() returns all matching elements
# beneath any of the inputs, flattening results into a new node set.
li %>% html_elements("i")
#> {xml_nodeset (3)}
#> [1] <i>droid</i>
#> [2] <i>droid</i>
#> [3] <i>droid</i>
# When applied to a node set, html_element() always returns a vector the
# same length as the input, using a "missing" element where needed.
li %>% html_element("i")
#> {xml_nodeset (4)}
#> [1] <i>droid</i>
#> [2] <i>droid</i>
#> [3] <NA>
#> [4] <i>droid</i>
# and html_text() and html_attr() will return NA
li %>% html_element("i") %>% html_text2()
#> [1] "droid" "droid" NA "droid"
li %>% html_element("span") %>% html_attr("class")
#> [1] "weight" "weight" "weight" NA
相关用法
- R rvest html_encoding_guess 猜测字符编码错误
- R rvest html_text 获取元素文本
- R rvest html_form 解析表单并设置值
- R rvest html_children 获取元素子元素
- R rvest html_name 获取元素名称
- R rvest html_table 将 html 表解析为 DataFrame
- R rvest html_attr 获取元素属性
- R rvest session 在网络浏览器中模拟会话
- R rvest minimal_html 从内联 HTML 创建 HTML 文档
- R predict.rpart 根据拟合的 Rpart 对象进行预测
- R SparkR randomSplit用法及代码示例
- R reprex un-reprex 取消渲染reprex
- R SparkR read.stream用法及代码示例
- R SparkR rbind用法及代码示例
- R readr datasource 创建源对象。
- R readr melt_delim 返回分隔文件中每个标记的熔化数据(包括 csv 和 tsv)
- R readr read_rds 读/写 RDS 文件。
- R readr read_lines 从文件中读取/写入行
- R SparkR rollup用法及代码示例
- R readr parse_number 灵活地解析数字
- R snip.rpart 剪切 Rpart 对象的子树
- R labels.rpart 为 Rpart 对象创建分割标签
- R SparkR refreshByPath用法及代码示例
- R summary.rpart 总结拟合的 Rpart 对象
- R printcp 显示拟合 Rpart 对象的 CP 表
注:本文由纯净天空筛选整理自Hadley Wickham等大神的英文原创作品 Select elements from an HTML document。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。