rvest:如何找到 HTML 页面中使用的所有 类?

rvest: how to find all classes used in an HTML page?

我想找到下面网页中使用的所有 classes。这对 rvest 来说可能吗?还是我需要一些 regex/grepl? 一旦我知道 class 的名称,我就可以抓取信息,但是对于具有动态构建的 class 名称的页面,对使用的 class es 进行概述会很方便。

library(rvest)

doc_url<-"http://curia.europa.eu/juris/document/document.jsf?text=&docid=160583&pageIndex=0&doclang=fr&mode=req&dir=&occ=first&part=1&cid=676771"

page<-read_html(doc_url)

language<- page%>%html_nodes(".C49FootnoteLangue")%>%html_text()

将@hadley 的评论转换为 CW 答案,您可以使用 * 通配符获得所有 类 的向量。

因此,该方法看起来像:

page <- read_html(doc_url)

page %>% 
  html_nodes("*") %>% 
  html_attr("class") %>% 
  unique()
#  [1] NA                          "component"                 "waitBlock"
#  [4] "waitBlockContainer"        "toggle_img"                "btn_impression"
#  [7] "document_language"         "outputEcli"                "C19Centre"
# [10] "C71Indicateur"             "C02AlineaAltA"             "C72Alineadroite"
# [13] "C75Debutdesmotifs"         "C01PointnumeroteAltN"      "C04Titre1"
# [16] "C03Tiretlong"              "C05Titre2"                 "C06Titre3"
# [19] "C07Titre4"                 "C48DispositifIntroduction" "C08Dispositif"
# [22] "C77Signatures"             "C49FootnoteLangue"