在 R 中的 rvest 包的 html 函数中使用哪个选择器？

Question

我想解析包含此类信息的 HTML 页面：

<html xmlns="http://www.w3.org/1999/xhtml">
    <head>
        <meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
<title>Tajemnica Oscara Pistoriusa - Książki - WP.PL</title>
<meta name="description" content="Wieczorem, 13 lutego 2013 roku ona pisze dla niego kartkę na walentynki: &lt;b&gt;&quot;Dziś jest dobry dzień, by powiedzieć, że Cię kocham&quot;.&lt;/b&gt; Zanim on odczyta tę wiadomość, ona od kilku godzin nie..." />
<meta name="keywords" content="ksiazki, książka, literatura, czytelnik" />
<meta name="language" content="pl" />
<meta name="author" content="Grupa Wirtualna Polska" />
<meta name="robots" content="index,follow" />

我在 R 中使用 rvest package。当我使用这样的代码时，使用这个选择器："meta"

library(rvest)

content <- html("http://ksiazki.wp.pl/gid,17325376,tytul,Tajemnica-Oscara-Pistoriusa,galeria.html?ticaid=1147a0&_ticrsn=3")

nodesS <- html_nodes(content, "meta")

我收到了所有元数据的列表，但我只对其中一个感兴趣。我应该使用哪个选择器来仅下载来自 content 的信息：

<meta name="keywords" content="ksiazki, książka, literatura, czytelnik" />

编辑：谁能知道如何正确设置 encoding 参数？我在这样指定时收到了错误的编码：

> content <- html("http://ksiazki.wp.pl/gid,17325376,tytul,Tajemnica-Oscara-Pistoriusa,galeria.html?ticaid=1147a0&_ticrsn=3", 
+                 encoding = "UTF-8" )
> 
> nodesS <- html_nodes(content, "meta[name=keywords]")
> html_attrs(nodesS)[[1]][2]
                                    content 
"ksiazki, ksiÄ…ĹĽka, literatura, czytelnik"

编辑：

我在 hadley 的 github 项目的 readme.me 概述中找到了函数 guess_encoding() 和 repair_encoding() https://github.com/hadley/rvest

Answer 1

更改 CSS 选择器以包含 attribute value selector:

nodesS <- html_nodes(content, "meta[name=keywords]")

然后您可以通过添加以下内容来仅提取 content 属性：

html_nodes(content, "meta[name=keywords]") %>% html_attr("content")
# [1] "ksiazki, książka, literatura, czytelnik"

在 R 中的 rvest 包的 html 函数中使用哪个选择器？

Which selector to use in html function in rvest package in R?

html

parsing

r

rvest