清潔froum後在rvest多個報價+ stringr

Question

我颳了很長的論壇主題，我想拿出有包含以下信息列的數據庫：日期/全文後文/報價用戶/引用文本/清潔文本

乾淨的文字應該是每個用戶的帖子，沒有報價，如果他們回覆給任何人。如果該帖子不是回覆，我會將其保留爲不適用。下面是一個發明後，與發明了用戶，說明我已經設法到目前爲止做：

post<-"Meow1 wrote: »\noday is gonna be the day that they're gonna throw it back to you?\nBy now you should've somehow Realized what you gotta do\n\n\nI don't believe that anybody Feels the way I do, about you now\nMeow1 wrote: »\nI'm sure you've heard it all before But you never really had a doubt\n\n\nBecause maybe, you're gonna be the one that saves me\nMeow1 wrote: »\nAnd after all, you're my wonderwall\n\n\nAnd all the lights that lead us there are blinding" 

然後我試着拔出引用用戶（Meow1）和它的作品：

QuotedUser_1<-ifelse(grepl('wrote:', post), gsub('\\s*wrote.*$', '', post), NA) 
QuotedUser_1 
[1] "Meow1" 

然後，我創建了這個代碼拉出引用的文字和乾淨的文字：

Quotedtext_1<- ifelse(grepl('wrote:', post), gsub('^.*wrote\\s*|\\s*\\n\\n\\n.*$', '', post), NA) 

它的工作原理時，只有一個引用的文字，但除此之外，它只是給出了最新報價位（在本例， '一個ND畢竟you're我wonderwall'） 而同爲乾淨的文字，它只返回最後回覆：

Clean_text<- sub('^.*\\n\\n\\n\\s*|\\s*wrote.*', '', post) 

如果任何人有一個建議，以改進代碼，這樣我可以有一個向量與所有的報價，並與所有回覆的載體，我將非常感激......

乾杯

Answer 1

你肯定你不能單獨刮作者和文本信息？沒有源代碼很難知道，但我想他們可以通過不同的CSS選擇器獲得，使分割數據變得更加容易。 如果不是，它可能有助於尋找到str_locate_all它允許你找到的例如所有出現「寫道：」並相應地拆分字符串。