rvest 抓取每个节点的多个值

Question

以这个为例XML

<body>
  <items>
    <item>
      <name>Peter</name>
    </item>
  </items>
  <items>
    <item>
      <name>Paul</name>
    </item>
    <item>
      <name>Claudia</name>
    </item>
  </items>
  <items/>
</body>

问题：获得以下结果的最简单方法是什么？

"Peter"   "Paul"   ""

现在我是这样实现的：

require(rvest)
require(magrittr)
my_xml <- xml("<items><item><name>Peter</name></item></items><items><item><name>Paul</name></item><item><name>Claudia</name></item></items><items></items>")
items <- my_xml %>% xml_nodes("items") %>% xml_node("item")
sapply(items, function(x){
  if(is.null(x)){
    ""
  } else {
    x %>% xml_node("name") %>% xml_text()
  }
})

对我来说，这个 sapply 构造接缝就像虐待 rvest 或 css 选择器。

Answer 1

rvest 真的不需要，因为这是纯粹的 XML（你最终还是使用了 xml2 结构）：

library(xml2)

doc <- read_xml("<body>
  <items>
    <item>
      <name>Peter</name>
    </item>
  </items>
  <items>
    <item>
      <name>Paul</name>
    </item>
    <item>
      <name>Claudia</name>
    </item>
  </items>
  <items/>
</body>")


sapply(xml_find_all(doc, "//items"), function(x) {
  val <- xml_text(xml_find_all(x, "./item[1]/name"))
  ifelse(length(val)>0, val, "")
})

## [1] "Peter" "Paul"  ""

（有时 XPath 比 CSS 更好）

rvest 抓取每个节点的多个值

rvest scrape multiple values per node

xml

r

css-selectors

rvest

magrittr