從矢量

我有一個包含HTML標籤，例如從矢量

abc<-""welcome <span class=\"r\"><a href=\"abc\">abc</a></span> Have fun!""

我想刪除這些標籤，並得到follwing矢量

如

 abc<-"welcome Have fun"

來源

2012-04-19 jan5

嘗試串矢量消除了與標籤數據

> gsub("(<[^>]*>)","",abc)

什麼這就是'代替<的每個實例，其次是任何不>沒有任何東西>

你不能只做gsub("<.*>","",abc)，因爲正則表達式是貪婪的，並且。*會匹配到最後>在你的文字（在你的例子中你會失去'abc'）。

如果您的代碼中有>><foo class=">" >合法，此解決方案可能會失敗？毫無疑問，有人會想出另一個涉及用重量級XML包解析HTML的答案。

來源

2012-04-19 10:08:46 Spacedman

謝謝Spacedman如果載體含有像一個超鏈接的<-c（「你好http://abc.com」），我們怎樣才能刪除它 – jan5 2012-04-19 10:18:46

你必須要堅持的問題，因爲這個例子評論傾向於重新格式化文本並將事情弄糟...... – Spacedman 2012-04-19 11:27:37

您可以將您的HTML片段轉換爲包含 htmlParse或htmlTreeParse的XML文檔。然後，您可以將其轉換爲文本即剝離所有標籤，並使用xmlValue。

abc <- "welcome <span class=\"r\"><a href=\"abc\">abc</a></span> Have fun!" 
library(XML) 
#doc <- htmlParse(abc, asText=TRUE) 
doc <- htmlTreeParse(abc, asText=TRUE) 
xmlValue(xmlRoot(doc))

如果您也想刪除的鏈接，可以使用xmlDOMApply轉換XML樹的內容。

f <- function(x) if(xmlName(x) == "span") xmlTextNode(" ") else x 
d <- xmlDOMApply(xmlRoot(doc), f) 
xmlValue(d)

來源

2012-04-19 12:00:56

回答

相關問題