xml – 从文档中提取唯一的HTML标记

发布时间：2020-12-16 23:03:10 所属栏目：百科来源：网络整理

导读：我在R中有一个 HTML文档,我想从该文档中提取一个唯一标记列表,并列出它们的出现频率. 我可以按如下方式遍历每个可能的标记,但是希望找到一个不需要预定义标记列表的解决方案： library('XML')url - 'https://stackoverflow.com/questions/11227809/why-is-pr

我在R中有一个 HTML文档,我想从该文档中提取一个唯一标记列表,并列出它们的出现频率.

我可以按如下方式遍历每个可能的标记,但是希望找到一个不需要预定义标记列表的解决方案：

library('XML')
url <- 'https://stackoverflow.com/questions/11227809/why-is-processing-a-sorted-array-faster-than-an-unsorted-array'
doc <- htmlParse(url)
all_tags <- c('//p','//a','//b','//u','//i')
counts <- sapply(all_tags,function(x) length(xpathSApply(doc,x)))
free(doc)

解决方法

经典的XML包版本可能如下所示：

tab <- table(xpathSApply(doc,"//*",xmlName))
tab[c('p','a','b','u','i')]

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!