R HTML을 읽기 및 구문 분석

Question

&을 읽으 려하고 동물 보호소에서 동물을위한 조건 목록을 얻기 위해 HTML을 파싱했습니다. HTML 파싱에 익숙하지 않은 사람이 도움이되지 않는다고 확신하지만, 어디에서 빨리 빠져 나가고있는 것처럼 보입니다.

다음은 HTML의 코드 조각입니다 :

는

<select multiple="true" name="asilomarCondition" id="asilomarCondition"> 

    <option value="101"> 
     Behavior- Aggression, Confrontational-Toward People (mild) 
     - 
     TM</option> 
.... 
</select> 

<select...> 만 하나 개의 태그있다 나머지는 모두 <option value=x>이다.

저는 XML 라이브러리를 사용해 왔습니다. 내가 줄 바꿈과 탭을 제거 할 수 있지만 태그 제거 어떤 성공 없었어요 : 최종 결과

conditions.html <- paste(readLines("Data/evalconditions.txt"), collapse="\n") 
conditions.text <- gsub('[\t\n]',"",conditions.html) 

을, 나는 나중에 사용하기 위해 추가로 처리 할 수있는 모든 조건의 목록을하고 싶습니다 요소 이름으로 :

Behavior- Aggression, Confrontational-Toward People (mild)-TM 
Behavior- Aggression, Confrontational-Toward People (moderate/severe)-UU 
... 

내가 gsub 패턴이 충분할 것이다 경우 XML 라이브러리 (또는 다른 라이브러리)을 사용하거나 할 필요가 있는지 확실하지 않습니다 (어느 쪽이든, 나는 그것을 사용하는 방법을 해결하기 위해 필요) .

library(rvest) 
#read the html page 
page<-read_html("test.html") 
#get the text from the "option" nodes and then trim the whitespace 
nodes<-trimws(html_text(html_nodes(page, "option"))) 

#nodes will need additional clean up to remove the excessive spaces 
#and newline characters 
nodes<-gsub("\n", "", nodes) 
nodes<-gsub(" ", "", nodes) 

벡터 노드가 요청한 결과되어야합니다 :

Answer 1

다음은 rvest 패키지를 사용하여 시작합니다. 이 예제는 위에서 제공된 제한된 샘플을 기반으로합니다. 실제 페이지에 예기치 않은 결과가있을 수 있습니다.