R 从html文件中提取文件名

这是我正在处理的字符串的一个示例

string <- c("<tr><td valign=\"top\"><img src=\"/icons/compressed.gif\" alt=\"[   ]\"></td><td><a href=\"ABC.RAP_0.9.0.zip\">ABC.RAP_0.9.0.zip</a></td><td align=\"right\">2018-03-20 21:52  </td><td align=\"right\">4.6M</td><td>&nbsp;</td></tr>", 
            "<tr><td valign=\"top\"><img src=\"/icons/compressed.gif\" alt=\"[   ]\"></td><td><a href=\"ABCanalysis_1.2.1.zip\">ABCanalysis_1.2.1.zip</a></td><td align=\"right\">2017-12-09 13:59  </td><td align=\"right\"> 54K</td><td>&nbsp;</td></tr>", 
            "<tr><td valign=\"top\"><img src=\"/icons/compressed.gif\" alt=\"[   ]\"></td><td><a href=\"ABCoptim_0.15.0.zip\">ABCoptim_0.15.0.zip</a></td><td align=\"right\">2018-03-20 21:53  </td><td align=\"right\">566K</td><td>&nbsp;</td></tr>")

我需要提取R包的名称。我可以使用

sub

这样做：

> gsub("(.\\.zip).*", "\\1", sub(".*href[[:punct:]]{2}", "", string))
[1] "ABC.RAP_0.9.0.zip"     "ABCanalysis_1.2.1.zip" "ABCoptim_0.15.0.zip"  

---

正如您所见，我使用了两次

gsub

，我正在寻找一种更简单的方法，只调用一次

gsub

。我只想使用R基函数来完成它。

不要使用正则表达式来解析HTML。使用

rvest

library(rvest)

url <- 'https://dirichlet.mat.puc.cl/bin/windows/contrib/3.3/'

packageList <- url %>% read_html() %>% html_nodes("a") %>% html_text()

# remove extra entries
packageList <- packageList[7:length(packageList)]

head(packageList)

[1] "A3_1.0.0.zip"           "ABC.RAP_0.9.0.zip"      "ABCanalysis_1.2.1.zip"  "ABCoptim_0.15.0.zip"    "ABCp2_1.2.zip"         
[6] "ABHgenotypeR_1.0.1.zip"

库（rvest）
url%html\u节点（“a”）%%>%html\u文本（）
#删除额外条目
packageList不要使用正则表达式解析HTML。使用
rvest

library(rvest)

url <- 'https://dirichlet.mat.puc.cl/bin/windows/contrib/3.3/'

packageList <- url %>% read_html() %>% html_nodes("a") %>% html_text()

# remove extra entries
packageList <- packageList[7:length(packageList)]

head(packageList)

[1] "A3_1.0.0.zip"           "ABC.RAP_0.9.0.zip"      "ABCanalysis_1.2.1.zip"  "ABCoptim_0.15.0.zip"    "ABCp2_1.2.zip"         
[6] "ABHgenotypeR_1.0.1.zip"

库（rvest）
url%html\u节点（“a”）%%>%html\u文本（）
#删除额外条目
packageList我可以使用以下简单的正则表达式解决我的问题：

> gsub(".*>(.*\\.zip)<.*", "\\1", string)
[1] "ABC.RAP_0.9.0.zip"     "ABCanalysis_1.2.1.zip" "ABCoptim_0.15.0.zip"  

>gsub（.*>（.\\\.zip）我可以使用以下简单的正则表达式解决我的问题：

> gsub(".*>(.*\\.zip)<.*", "\\1", string)
[1] "ABC.RAP_0.9.0.zip"     "ABCanalysis_1.2.1.zip" "ABCoptim_0.15.0.zip"  

>gsub（“.*>（.\\.zip）
gsub（“（[^>]+\\.zip）”|.，“\\1”，字符串）
gsub（“（[^>]+\.zip）”|.，“\\1”，字符串）
我感谢您的帮助，您的答案很好，但正如我之前所说，我不想依赖R base以外的任何额外软件包。+1！我感谢您的帮助，您的答案很好，但正如我之前所说，我不想依赖R base以外的任何额外软件包。+1！