使用 R 从 meta itemprop 中提取内容

Question

我正在尝试从以下内容部分中提取文本。

<meta itemprop="datePublished" content="2015-02-24T11:34:57Z"/>
<meta itemprop="description" content="South Africa's gross domestic output 
(GDP) expanded by a much stronger 4.1 percent in the fourth quarter"/>

我对从 "datePublished" 和 "description" 中提取时间和日期特别感兴趣。现在有趣的是我可以提取 "description" 文本，使用

xpathSApply(story2, "//head/meta[@name=\"description\"]/@content")

但不是 datePublished，即使我使用相同的语法只产生 NULL 结果。

我无法解释这一点，想知道是否有人知道为什么xpathSApply在提取描述时不提取datePublished，以及正确的格式是什么。我也无法通过 grep 使用子字符串操作提取它。

Answer 1

这是您正在尝试的代码吗，因为我认为它应该是：

'<meta itemprop="datePublished" content="2015-02-24T11:34:57Z"/>
<meta itemprop="description" content="South Africa\'s gross domestic output (GDP) expanded by a much stronger 4.1 percent in the fourth quarter"/>' -> foo
library(XML)
bar <- xmlParse(foo)
datePublished <- xpathSApply(bar, "//meta[@itemprop='datePublished']/@content")
description <- xpathSApply(bar, "//meta[@itemprop='description']/@content")

使用 R 从 meta itemprop 中提取内容

Extracting content from within meta itemprop using R

regex

xml

xpath

r

sapply