在html标记之间提取文本并用R中的标记对其进行标记

我正在努力学习如何把R中的句子分类

我有一个文本文件，其中包含以下格式的句子：

<happy>
  This did the trick : the boys now have a more distant friendship and David is much happier . 
<\happy>
<happy>
  When Anna left Inspector Aziz , she was much happier . 
<\happy>

我想提取这个句子，并给它们贴上情感标签。我应该如何处理这个问题？我知道我应该在正则表达式中使用分组，但我不知道如何在R中使用分组。我对它和学习都是新手

rl <- readLines('sentences.txt')

---

rl目前这是格式不好的XML，如


XML在结束标记中使用正斜杠而不是反斜杠。事实上，您甚至无法按原样将其读入R，因为它将尝试将
\h
解析为转义字符，除非您添加额外的反斜杠以转义反斜杠本身
XML需要包含在单个标记中。不过，这个问题更容易解决（
在某些标记上粘贴
）

如果实际数据是正确格式化的XML，则可以使用xml2或XML包进行解析。我喜欢
purrr:：map_df
在节点上迭代，并将结果强制为data.frame，但是如果愿意，您可以在base R中执行相同的操作

库（xml2）
图书馆（purrr）
'
这就成功了：男孩们现在有了更遥远的友谊，大卫更快乐了。
当安娜离开阿齐兹探长时，她高兴多了。
' %>% 
粘贴（“”，，“”）%>%#添加封闭标签
读取xml（）%>%
xml_find_all（'//text（）/parent:：*'）%%>%#选择作为文本父节点的节点
map_df（~list（text=xml_text（.x，trim=TRUE），
emotion=xml_名称（.x）））
###A tible:2×2
##文本情感
##                                                                                             
##这就成功了：男孩们现在有了更遥远的友谊，大卫更快乐了。幸福的
##当安娜离开阿齐兹探长时，她高兴多了。幸福的
这些反斜杠会导致问题；如果它们是正向斜杠，它可以被解析为XML。
lappy（split（Filter（nzhar，gsub（“|[]”，”，trimws（rl））），c（1,1,2,2）），as.list）
我让你来做REST，这是一个实际的片段吗？（a） 它不是HTML（b）它不是有效的XML（c）我知道没有使用反斜杠的标记语言。
rl <- readLines('sentences.txt')