Rvest：获取节点文本而不是其子文本

Question

方法html_text()（来自 R Package rvest）连接节点的文本和它的所有子节点。我只想提取 父亲的文本 。

对于以下示例，html_text() 给出 HELLO GOODBYE。

我只想再见。我怎样才能得到它？

<div class="joke">
  <div class="div_inside">
    <div class="title_inside">
      <a class="link" href="sompage.htm">HELLO</a>
    </div>
  </div>
  GOODBYE
</div>

Answer 1

尝试使用 xpath class "joke" 获取主 div 标签，而不获取其子标签：

library(rvest)

read_html('your_html_script') %>%
    html_nodes(xpath = '//div[@class="joke"]/node()[not(self::div)]') %>% 
    html_text()

谢谢！

Rvest：获取节点文本而不是其子文本

Rvest: getting node text and not its childen's text

r

web-scraping

rvest