使用xml2和pagedown与R从HTML打印PDF时，请删除href和/或停用锚定链接

我正在使用R从一个食品博客中提取100篇文章，并将其转换为PDF格式。我已经完成了99%，但是当我打印最终的PDF时，在线超链接的URL就写在了文本中。我不希望每个链接都呈现为PDF中的文本，我相信在使用pagedown打印之前，我需要从HTML中删除href属性。有人知道怎么做吗？下面的示例代码应该可以让您进入我的pdf创建循环，阅读第一篇文章。初始部分将所有URL拉入一个向量。需要增强的部分，谢谢

library(rvest)
library(dplyr)
library(tidyr)
library(stringr)
library(purrr)
library(downloader)
library(pagedown)
library(xml2)
library(htmltools)

#Specifying the url for desired website to be scraped

url1 <- paste0('https://www.foodrepublic.com/author/george-embiricos/page/', '1', '/')

#Reading the HTML code from the website
webpage1 <- read_html(url1)

# Pull the links for all articles on George's initial author page

dat <- html_attr(html_nodes(webpage1, 'a'), "href") %>%
  as_tibble() %>%
  filter(str_detect(value, "([0-9]{4})")) %>%
  unique() %>%
  rename(link=value)

dat <- head(dat, 10)

# Pull the links for all articles on George's 2nd-89th author page

for (i in 2:89) {

url <- paste0('https://www.foodrepublic.com/author/george-embiricos/page/', i, '/')

#Reading the HTML code from the website
webpage <- read_html(url)

links <- html_attr(html_nodes(webpage, 'a'), "href") %>%
  as_tibble() %>%
  filter(str_detect(value, "([0-9]{4})")) %>%
  unique() %>%
  rename(link=value)

dat <- bind_rows(dat, links) %>%
  unique()

}

dat <- dat %>%
  arrange(link)

dat <- tail(dat, 890)

articleUrls <- dat$link[1]

# Mac

# Windows
setwd("YOUR-WD")

# articleUrls <- articleUrls[1]

for(i in seq_along(articleUrls)) {
  
  filename <- str_extract(articleUrls[i], "[^/]+(?=/$|$)")
 
  a <- read_html(articleUrls[i]) 
  xml_remove(a %>% xml_find_all("aside"))
  xml_remove(a %>% xml_find_all("footer"))
  xml_remove(a %>% xml_find_all(xpath = "//*[contains(@class, 'article-related mb20')]"))
  xml_remove(a %>% xml_find_all(xpath = "//*[contains(@class, 'tags')]"))
  #xml_remove(a %>% xml_find_all("head") %>% xml2::xml_find_all("script"))
  xml_remove(a %>% xml2::xml_find_all("//script"))
  xml_remove(a %>% xml_find_all("//*[contains(@class, 'ad box')]"))
  xml_remove(a %>% xml_find_all("//*[contains(@class, 'newsletter-signup')]"))
  xml_remove(a %>% xml_find_all("//*[contains(@class, 'article-footer')]"))
  xml_remove(a %>% xml_find_all("//*[contains(@class, 'article-footer-sidebar')]"))
  xml_remove(a %>% xml_find_all("//*[contains(@class, 'site-footer')]"))
  xml_remove(a %>% xml_find_all("//*[contains(@class, 'sticky-newsletter')]"))
  xml_remove(a %>% xml_find_all("//*[contains(@class, 'site-header')]"))
  xml_remove(a %>% xml_find_all("//*[contains(@class, '.fb_iframe_widget')]"))
  xml_remove(a %>% xml_find_all("//*[contains(@class, '_8f1i')]"))
  xml_remove(a %>% xml_find_all("//*[contains(@class, 'newsletter-toggle')]"))      
  
  # xml_remove(a %>% xml_find_all("//*[contains(@class, 'articleBody')]"))
  
  # xml_remove(a %>% xml_find_all("//href='([^\"]*)'"))

  xml2::write_html(a, file = paste0("html/", filename, ".html"))
  
  tryCatch(pagedown::chrome_print(input = paste0("html/", filename, ".html"),
                         output=paste0("pdf/", filename, ".pdf"),
                         format="pdf", timeout = 300, verbose=0,
                         wait=20), error=function(e) paste("wrong"))
  
}

库（rvest）
图书馆（dplyr）
图书馆（tidyr）
图书馆（stringr）
图书馆（purrr）
库（下载程序）
图书馆（向下翻页）
库（xml2）
图书馆（htmltools）
#指定要删除的所需网站的url
url1%
重命名（链接=值）
dat%
唯一的（）
}
dat%
安排（链接）
dat%xml\u find\u all（“头”）%%>%xml2:：xml\u find\u all（“脚本”））
xml\u remove（一个%>%xml2:：xml\u find\u all（“//脚本”））
xml\u remove（一个%>%xml\u find\u all（“//*[contains（@class，'ad box'）]）”）
xml\u remove（一个%>%xml\u find\u all（“//*[contains（@class，'newsletter signup'）]））
xml\u remove（一个%>%xml\u find\u all（“/*[contains（@class，'article footer'）]）”）
xml\u remove（一个%>%xml\u find\u all（“//*[contains（@class，'article footer sidebar'）]））
xml\u remove（一个%>%xml\u find\u all（“/*[contains（@class，'site footer'）]）”）
xml\u remove（一个%>%xml\u find\u all（“//*[contains（@class，'sticky newsletter'）]）”）
xml\u remove（一个%>%xml\u find\u all（“/*[contains（@class，'site header'）]）”）
xml\u remove（一个%>%xml\u find\u all（“//*[contains（@class，.fb\u iframe\u widget'）]））
xml\u remove（一个%>%xml\u find\u all（“//*[包含（@class，'.\u 8f1i'）]））
xml\u remove（一个%>%xml\u find\u all（“//*[contains（@class，'newsletter toggle'）]））
#xml\u remove（一个%>%xml\u find\u all（“//*[contains（@class，'articleBody'）]”）
#xml\u remove（a%>%xml\u find\u all（“//href=”（[^\“]*）”）
xml2:：write_html（a，file=paste0（“html/”，filename“.html”））
tryCatch（pagedown:：chrome_print（输入=paste0（“html/”，文件名“.html”），
输出=粘贴0（“pdf/”，文件名“.pdf”），
format=“pdf”，超时=300，详细=0，
等待=20），错误=函数（e）粘贴（“错误”））
}

你可以看到我在下面看到的屏幕截图。包含URL的“<>”部分不应该显示。它应该只显示“King's Brew”

---

试试这样的方法：

library(dplyr)
library(xml2)

allHref <- a %>% xml_find_all("//a")
for (l in allHref) {
  cntnt <- l %>% xml_text(trim = T)
  xml_replace(l, read_xml(paste0("<span>", cntnt, "</span>")))    
}

库（dplyr）
库（xml2）
allHref%xml\u查找所有（//a）
for（all href中的l）{
cntnt%xml\u文本（修剪=T）
xml_替换（l，读取_xml（粘贴0（“，cntnt，”））
}

---

首先，我们找到所有链接。然后，对于每一个链接，我们提取其内容，并用此内容替换链接本身。

能否添加PDF.Done中看到的内容的屏幕截图。是否有一种方法可以提取所有“href”“从XML中删除节点，然后从总文本中删除这些字符串？或者，我已经读过，我可以将href设置为NULL，它会删除文本后面的链接，但我还没有让它起作用。