R 我如何得到一个列表元素的html，它=="；一些价值观；？

我有以下HTML代码：

<ul class="list" role="listbox" id="list1">

  <li class="lvl2">
    <div class="lvl3" id="lvl3-nb-1">
      choice1
    </div>
  </li>

  <li class="lvl2">
    <div class="lvl3" id="lvl3-nb-2">
      choice2
    </div>
  </li>

  <li class="lvl2">
    <div class="lvl3" id="lvl3-nb-3">
      choice3
    </div>
  </li>

</ul>

R:

>库（RSelenium）
>startServer（）
>mybrowser mybrowser$open（）
>mybrowser$navigate（“http://example.com")
>披头士打印列表（未列出（strsplit（如.character（披头士列表$getElementText（）），“\n”））
[1] “保罗”“约翰”
[3] “林戈”
>#假设我想要john的CSS选择器，我想要这样的东西：
>这个东西的css选择器（未列出（strsplit（as.character（list\u response$getElementText（）），“\n”）==”john”））
>#哪个将输出，例如“div#lvl3.n471”

如果您知道类将被调用

list

、

lvl2

和

lvl3

，然后您的文本将在带有class

lvl3

的标记中，那么您可以使用

xpath

：

result <- mybrowser$findElement(using = 'xpath',
    ""//ul[@class = 'list']/*[@class = 'lvl2']/*[@class = 'lvl3'][contains(., 'john')]"")

result$getElementAttribute("outerHTML")[[1]]
# [1] "<div class=\"lvl3\" id=\"n471\">\n      john\n    </div>">

result$getElementTagName()[[1]] # or result$getElementAttribute("tag")[[1]]
# [1] "div"

result$getElementAttribute("class")[[1]]
# [1] "lvl3"

result$getElementAttribute("id")[[1]]
# [1] "n471"

假设我们添加了

johnny

作为另一个条目，那么

choices

将如下所示：

#[1] "<div class=\"lvl3\" id=\"n123\">\n      paul\n    </div>"  
#[2] "<div class=\"lvl3\" id=\"n471\">\n      john\n    </div>"  
#[3] "<div class=\"lvl3\" id=\"n951\">\n      ringo\n    </div>" 
#[4] "<div class=\"lvl3\" id=\"n952\">\n      johnny\n    </div>"

#[1]“\n paul\n”
#[2] “\n john\n”
#[3] “\n ringo\n”
#[4] “\n约翰尼\n”

然后，我们可以使用正则表达式找到正确的：

# \\W+ to look for non-word characters (i.e. [^[:alnum:]_])
# between the ">" and "<" that enclose the text 
choice <- which(grepl(">\\W+john\\W+<", choices, perl = TRUE))

result[[choice]]$getElementAttribute("outerHTML")[[1]]
#[1] "<div class=\"lvl3\" id=\"n471\">\n      john\n    </div>"

#\\W+查找非单词字符（即[^[：alnum:][u3]）
#在“>”和“\\W+john\\W+之间，您要查找的标记有点模糊，但是使用
rvest
，
html%%>%read\u html（）%%>%html\u节点（'.\lvl3-nb-2'）%%>%html\u文本（trim=TRUE）
。根据您的喜好进行调整。一个可复制的示例可能会有所帮助。我编辑了这个问题，希望能让它更清楚。好吧，它看起来几乎符合您的期望，非常感谢。不过有一个小问题：列表中的元素可以相似，例如
圣约翰
，
约翰·保罗
，
约翰尼
和
约翰
。我似乎
contains
会选择第一个，即使我想要一个精确的匹配项。知道使用什么吗？我对XPath一点都不熟悉。@fmalaussena检查编辑，看看是否适合您。
result2 <- mybrowser$findElement(using = 'xpath',
    "//*[@class = 'lvl3'][contains(., 'john')]")

# use findElements (plural) to get multiple elements
result <- mybrowser$findElements(using = 'xpath',
    "//*[@class = 'lvl3'][string()]")

# loop through results and gather outerHTML to examine with regex
choices <- unlist(lapply(result, function(x) x$getElementAttribute("outerHTML")))

#[1] "<div class=\"lvl3\" id=\"n123\">\n      paul\n    </div>"  
#[2] "<div class=\"lvl3\" id=\"n471\">\n      john\n    </div>"  
#[3] "<div class=\"lvl3\" id=\"n951\">\n      ringo\n    </div>" 
#[4] "<div class=\"lvl3\" id=\"n952\">\n      johnny\n    </div>"

# \\W+ to look for non-word characters (i.e. [^[:alnum:]_])
# between the ">" and "<" that enclose the text 
choice <- which(grepl(">\\W+john\\W+<", choices, perl = TRUE))

result[[choice]]$getElementAttribute("outerHTML")[[1]]
#[1] "<div class=\"lvl3\" id=\"n471\">\n      john\n    </div>"