在XML中使用XPath刮取具有不同值的节点

我正在用R中非常有用的

XML

包抓取网页。我是XPath的初学者，我从中学习了XPath的基础知识。我想选择一个具有可变值属性的节点，但目前无法有效地执行此操作。下面显示了我的代码和遇到的问题：

require(XML)
myUrl<- "http://www.expatforum.com/expats/uae-expat-forum-expats-living-uae/336985-visa-overstay.html"
extracted<- htmlParse(myUrl)
#This parses the HTML data, and a snippet from it is shown as follows

require（XML）
myUrl
在复杂的情况下寻求建议。我目前在阿联酋工作，是一名持有有效签证的教师。我男朋友持有效签证在这里住了10年，直到2013年。他和他的担保人（美元）之间存在分歧，他的签证在他不知情的情况下被取消。他甚至不知道他的签证有问题就被召进了警察局。他心甘情愿地去了，因为他没有什么可隐瞒的。他被捕入狱约一个月，然后被告知有三个月时间“解决”自己的问题。自那以后，这个问题一直在劳动法庭上，他目前没有签证住在这里（现在已经一年多了）。他已经给他的赞助人打了无数次电话，去了劳动部，没有人直接回答他能做些什么来取消他的名字，但自最初的事件以来，没有人逮捕他。他的赞助人说，他不再在乎，他会取消他的名字，但这已经在劳动法庭上，所以技术上他们无能为力。他想自首，这样他就可以支付逾期居留的费用，或者坐牢，或者重新申请另一个签证，或者去其他地方，但原籍国是叙利亚，他害怕他们会在没有任何其他安全选择的情况下把他送到那里。在面临越狱后，有人能选择他们的飞行地点吗？这是驱逐出境和无法在阿联酋再次申请签证的标准吗？有人知道这个过程是如何工作的吗？这是一个可怕的情况，他需要解决它，这样他才能重新开始他的生活。

现在，我想提取一篇文章的相关数据，包含在

标记中。使用

//div[@id]

似乎可以很容易地实现这一点。但是，在完整的文件中还有其他节点和属性，它们是“div id”

我认为唯一的解决方案就是以某种方式选择id属性的值。 但同样，该值的数值部分也不同。我尝试使用

//div[@id='post\u message.*']

，但没有成功

目前，我采用了一种更长、效率更低的方法，将

转换为（x，“字符”）

，使用

grepl（“^div id='post_message'，x）

，然后使用

gsub（）

删除不必要的位

请问有没有更好的办法

谢谢您的时间。

您可以

---

我在

selector

包的基础上添加了另一个答案，该包允许使用css选择器而不是xpath查询html文档。我发现css选择器更容易grep

library(selectr)
querySelector(extracted, 'div[id^=post_message]')

---

我们正在寻找id以

post\u message

开头的div

噢！亲爱的我，这样一个简单的解决方案，在同一页我链接！我应该读得更透彻，我的坏。。。非常感谢你！别担心。事实上，w3schools与w3.org是一个不同的网站。我链接到的w3.org页面是官方的XPath1.0规范。啊，是的，我刚刚检查过！再次感谢您除了简单地提供一个答案之外，还对我进行了XPath方面的教育！谢谢你给我指点

selector

，拉姆纳特教授！了解其他查询工具总是很棒的。

//div[starts-with(@id, "post_message")]

library(selectr)
querySelector(extracted, 'div[id^=post_message]')