不包括节点RVest

我正在使用RVest抓取博客文本，并且正在努力找出一种排除特定节点的简单方法。全文如下：

AllandSundry_test <- read_html
("http://www.sundrymourning.com/2017/03/03/lets-go-back-to-commenting-on-the-weather/")

testpost <- AllandSundry_test %>% 
html_node("#contentmiddle") %>%
html_text() %>%
as.character()

Alland杂项测试%
html_text（）%>%
as.character（）

我想排除ID为“contenttitle”和“commentblock”的两个节点。下面，我尝试使用标记“commentblock”仅排除注释

testpost%
html#U节点（“#contentmiddle”）%>%
html_节点（“：not（#commentblock）”）
html_text（）%>%
as.character（）

当我运行这个程序时，结果就是日期——文本的其余部分都消失了。有什么建议吗

---

我花了很多时间寻找答案，但我对R（和html）还不熟悉，所以如果这是显而易见的，我感谢您的耐心。

您就快到了。您应该使用

html\u节点

而不是

html\u节点

html\u节点

检索它遇到的第一个元素，而

html\u节点

将页面中的每个匹配元素作为列表返回。

toString（）

函数将字符串列表折叠为一个字符串。

库（rvest）
所有杂项测试%
html_文本%>%
as.character%>%
托斯特林
测试桩
#>[1]“\n\t\tMar\n\t\t3\n\t，三月三日，\n\t\t让我们回到
#>评论天气\n\t\t\n\t\t，让我们回到评论天气
#>天气，让我们回到对天气的评论，我刚刚
#>从杂货店回来了，我需要从胸口拿点东西。
#>“这一天剩下的时间里有什么大计划？”什么时候变成的
#>默认的小。。。

---

您仍然需要清理一下字符串。

看起来GGamba确实为您解决了问题-但是，在我的机器中，我不得不在

#contentmiddle

之后删除>。因此，此部分改为：

html_nodes("#contentmiddle:not(#commentblock)")

祝你好运！

---

Jesse

你能提供你想从中获取的url吗？我只是不理解你问题的要点。谢谢你的回答。我用我正在使用的确切示例编辑了问题。我感谢你的帮助。因此出于某种原因，它似乎仍然在收集评论。谢谢，这个特定网站上的html看起来很混乱。你是对的，我很确定我没有真正检查。我现在不知道为什么这不起作用。不管怎样，用一个有效的解决方案编辑答案。谢谢！很有魅力。

html_nodes("#contentmiddle:not(#commentblock)")