我使用R来抓取网站，并且在解析HTML代码时，我的代码如下：
<div class="line">
<h2 class="clearfix">
<span class="property">Number<div>number extra</div></span>
<span class="value">3</span>
</h2>
</div>
<div class="line">
<h2 class="clearfix">
<span class="property">Surface</span>
<span class="value">72</span>
</h2>
</div>
现在，我想在此代码中获取一些值。
如何用xml值“ Number”标识范围。并获取节点，以提取“额外数量”？我知道如何使用xpathApply来标识节点，以获取xmlValue或某些属性（例如href与xmlGetAttr）。但是我不知道如何通过知道其xmlvalue来识别节点。
xpathApply(page, '//span[@class="property"]',xmlValue)
如果我想获取属性类“ Surface”的“值” 72，最有效的方法是什么？
这是我开始做的事情：首先，我提取所有“属性”：
xpathApply(page, '//span[@class="property"]',xmlValue)
然后我提取所有“值”：
xpathApply(page, '//span[@class="value"]',xmlValue)
然后，我建立一个列表或矩阵，以便可以标识“ Surface”的值，即72。但是问题是，有时，带有的跨度class="property"不能具有紧随其后的class =“ value”的跨度一个h2。因此，我无法建立适当的列表。
这可能是最有效的方法吗？：标识范围with class="property"，然后标识h2包含此范围的对象span，然后标识spanwith class="value"？
要通过添加单个根元素使HTML格式正确，
<?xml version="1.0" encoding="UTF-8"?>
<r>
<div class="line">
<h2 class="clearfix">
<span class="property">Number
<div>number extra</div>
</span>
<span class="value">3</span>
</h2>
</div>
<div class="line">
<h2 class="clearfix">
<span class="property">Surface</span>
<span class="value">72</span>
</h2>
</div>
</r>
（A）这个XPath表达式，
//span[@class='property' and starts-with(., 'Number')]/div/text()
将返回
number extra
按照要求。
（B）这个XPath表达式，
//h2[span[@class='property' and . = 'Surface']]/span[@class='value']/text()
将返回
72
按照要求。
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句