Xml R：从HTML文档中删除HREF属性

花了整整一个下午的时间试图实现看似难以置信的简单

我需要反复浏览许多网页，删除任何锚

标记的

href=“…”

部分，以便在我将这些标记转换为PDF以用作在线评估任务时，它们不再可单击

对我来说，最明显的方法是加载HTML文件，解析它，然后

gsub

输出href位，但使用类似于

uri <- "myPage.html"    
doc.parsed  <- htmlTreeParse(uri, encoding = "UTF-8", useInternal=TRUE)    # parse HTML into tree structure
doc.anchors = unlist(xpathApply(doc.parsed, "//a"), xmlValue)
doc.anchors = gsub("href='([^\"]*)'", ' ', doc.anchors)

*Q.关于如何将这些更新的节点应用回 原始html文件？*

如果你有一个非R的解决方案，请发布它，如果我能把它翻译成R，我会的，但它仍然可能对其他人有用

假设HTML一开始是格式良好的，或者可以整理，那么可以使用非常简单的XSLT样式表来转换文档

XSLT样式表

<?xml version="1.0" encoding="UTF-8" ?>
<xsl:transform xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="1.0">

    <xsl:output method="html" omit-xml-declaration="yes" encoding="UTF-8" indent="yes" />
    <xsl:strip-space elements="*"/>

    <xsl:template match="a/@href"/>

    <xsl:template match="@*|node()">
        <xsl:copy>
            <xsl:apply-templates select="@*|node()"/>
        </xsl:copy>
    </xsl:template>

</xsl:transform>

---

据我所知，您可以将XSLT转换与R一起应用，只需找到一个可以进行转换的包。这辆车怎么样？也许你会发现这很有用。

你需要在R中使用这个吗？您可以使用类似XSLT的东西吗？如果HTML是格式良好的XML，或者可以整理，那就很简单了。作为我博士学位的一部分，我试图在R中构建一个相当大的工作流。如果你有一个非R的解决方案，请发布它，如果我能把它翻译成R，我会的，但它仍然可能对其他人有用。

uri         <- "myPage.html" 
doc.parsed  <- htmlTreeParse(uri, encoding = "UTF-8", useInternal=TRUE)    # parse HTML into tree structure
doc.root    <- xmlRoot(doc.parsed)
doc.body    <- xmlChildren(doc.root)$body

doc.nodes   <- getNodeSet(doc.body, "//a[@href]")
sapply(doc.nodes, function(el) removeAttributes(el))

[[1]]
<a>Some link text</a> 

[[2]]
<a>Africa</a> 

[[3]]
<a>Arabic</a> 

[[4]]
<a>Argentina</a>

<?xml version="1.0" encoding="UTF-8" ?>
<xsl:transform xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="1.0">

    <xsl:output method="html" omit-xml-declaration="yes" encoding="UTF-8" indent="yes" />
    <xsl:strip-space elements="*"/>

    <xsl:template match="a/@href"/>

    <xsl:template match="@*|node()">
        <xsl:copy>
            <xsl:apply-templates select="@*|node()"/>
        </xsl:copy>
    </xsl:template>

</xsl:transform>