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R 从html文件中提取文件名,r,regex,string,extract,R,Regex,String,Extract,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\">2018-0
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> </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> </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> </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!