遍历到由R检索的每个超链接中
这是我的代码：遍历到由R检索的每个超链接中,r,xpath,traversal,R,Xpath,Traversal,这是我的代码： library(XML) library(RCurl) url.link <- 'http://www.jamesaltucher.com/sitemap.xml' blog <- getURL(url.link) blog <- htmlParse(blog, encoding = "UTF-8") titles <- xpathSApply (blog ,"//loc",xmlValue) ## titles
library(XML)
library(RCurl)
url.link <- 'http://www.jamesaltucher.com/sitemap.xml'
blog <- getURL(url.link)
blog <- htmlParse(blog, encoding = "UTF-8")
titles <- xpathSApply (blog ,"//loc",xmlValue) ## titles
库（XML）
图书馆（RCurl）
url.link我想这就是你想要的
函数foo
接收元素x
，检索html对象，分配给tmp
。然后xpathApply（tmp，//div[@id=“mainContent”]”）
说获取tmp
对象，并获取具有idmainContent
的div
元素。就这样。lappy
行通过foo（）
函数传递对象列表，因此您应该获得所需html对象的长度标题列表
foo <- function(x){
tmp <- htmlParse(x)
xpathApply(tmp, '//div[@id="mainContent"]')
}
lapply(titles[2:3], foo)
foo你能附上一些解释来解构代码吗？我对Python或R不是很熟悉。谢谢。例如，标题[2:3]的含义是什么？请参见子集介绍。标题[2:3]是指标题对象中的第二个和第三个元素。第一个是根url（站点的登录页，所以我想你不会想要的）。当然，我会解释得更清楚一些。我可能还有一些后续问题。让我花点时间来消化一下。谢谢你，斯科特！好吧，我或多或少理解这段代码。我只有一个后续问题。运行lappy时如何“查看”提取的内容？请尝试out