使用readHTMLTable多個TBODY

Question

假設我有多個<tbody>，這we know is perfectly legal HTML一個HTML表格，並嘗試與readHTMLTable讀它如下：

require(XML) 
table.text <- '<table> 
    <thead> 
    <tr><th>Col1</th><th>Col2</th> 
    </thead> 
    <tbody> 
    <tr><td>1a</td><td>2a</td></tr> 
    </tbody> 
    <tbody> 
    <tr><td>1b</td><td>2b</td></tr> 
    </tbody> 
</table>' 
readHTMLTable(table.text) 

輸出我得到的只需要第一<tbody>元素：

$`NULL` 
    Col1 Col2 
1 1a 2a 

忽略其餘。這是預期的行爲？ （我在文檔中找不到任何提及。）和什麼是訪問整個表的最靈活和最可靠的方式？

我目前使用

table.text <- gsub('</tbody>[[:space:]]*<tbody>', '', table.text) 
readHTMLTable(table.text) 

這使我直接使用readHTMLTable一個URL來獲得這樣的表，也不會覺得很穩健。

Answer 1

如果你看看源readHTMLTablegetMethod(readHTMLTable, "XMLInternalElementNode")它包含因此被特意設計只選擇第一TBODY的內容的行

if (length(tbody)) 
     node = tbody[[1]] 

。也?readHTMLTable描述爲提供

爲它被設計爲一個效用函數的HTML文檔

在提取HTML表格數據有些穩健的方法的功能。它的工作很好，但你可能需要繞過它。