R 刮削中的等效物是什么？

我正在尝试运行一些刮取操作，其中对节点执行的操作取决于节点的内容

这应该是一个简单的例子：

XML =
'<td class="id-tag">
    <span title="Really Long Text">Really L...</span>
</td>
<td class="id-tag">Short</td>'

page = read_html(XML)

执行第二步的代码是：

page %>% html_nodes(xpath = '//td[@class="id-tag"]') %>% html_text
# [1] "\n    Really L...\n" "Short"  

真正的问题是

html\u attr

方法没有为不匹配的节点提供任何

NA

或类似的内容（即使我让

xpath

只是

”//td[@class=“id tag”]“

首先要确定的是，我已经缩小到只包含相关的节点。这会破坏顺序——我无法自动判断原始结构在第一个节点还是第二个节点上有

“非常长的文本”

（我想做一个连接，但是缩写文本和全文之间的映射不是一对一/可逆的）

似乎在正确的路径上--

xpath

中的if/else构造--但不起作用

理想情况下，我会得到输出：

# [1] "Really Long Text" "Short" 

基于此，您可以执行以下操作

page %>% 
   html_nodes(xpath='//td[@class="id-tag"]') %>% 
   {ifelse(is.na(html_node(.,xpath="span")), 
           html_text(.),
           {html_node(.,xpath="span") %>% html_attr("title")}
   )}

我认为丢弃管道并保存沿途创建的一些对象可能很简单

nodes <- html_nodes(page, xpath='//td[@class="id-tag"]')
text <- html_text(nodes)
title <- html_attr(html_node(nodes,xpath='span'),"title")
value <- ifelse(is.na(html_node(nodes, xpath="span")), text ,title)

另一种方法：

library(tidyverse)
library(rvest)

XML <- '
<td class="id-tag">
    <span title="Really Long Text">Really L...</span>
</td>
<td class="id-tag">Short</td>
'

pg <- read_html(XML)

html_nodes(pg, "td[class='id-tag']") %>%
  map_chr(function(x) {
    if (xml_find_first(x, "boolean(.//span)")) {
      x <- html_nodes(x, xpath=".//span/@title")
    }
    html_text(x)
  })

## [1] "Really Long Text" "Short"

库（tidyverse）
图书馆（rvest）
XML我认为对于没有匹配的分支，
html\u节点
返回
NA
这一事实是我在这里最需要的，谢谢！而且这个联合
xpath
是一个野兽！你能详细说明
[不是（.//span）]
位在做什么吗？我主要不了解周围的
[]
，我想？@MichaelChirico，它是基于，没有包装
[]
您会得到一个语法错误（此部分正在查找带有class=id标记但没有子节点“span”的节点td）
page %>% 
 html_nodes(xpath='//td[@class="id-tag"]/span/@title|//td[@class="id-tag"][not(.//span)]') %>%
 html_text()

library(tidyverse)
library(rvest)

XML <- '
<td class="id-tag">
    <span title="Really Long Text">Really L...</span>
</td>
<td class="id-tag">Short</td>
'

pg <- read_html(XML)

html_nodes(pg, "td[class='id-tag']") %>%
  map_chr(function(x) {
    if (xml_find_first(x, "boolean(.//span)")) {
      x <- html_nodes(x, xpath=".//span/@title")
    }
    html_text(x)
  })

## [1] "Really Long Text" "Short"