xml - 防止 `xmlValue` 剥离标签

Question

我遇到了一个问题，其中xmlValue剥离了<br />我需要保留的标签（或转换为我可以使用的其他字符strsplit。

这是一个例子：

> f <- htmlParse(getForm("http://sites.target.com/site/en/spot/store_locator_popups.jsp", ajax="true", storeNumber=1889), asText=TRUE)
> xpathSApply(f, "//div[@class=\"sl_results_popup_address\"]", xmlValue)
[1] "1154 S Clark StChicago, IL 60605(312) 212-6300"

与它正在解析的 HTML 相比：

<div class="sl_results_popup_address">
1154 S Clark St
<br/>
Chicago, IL 60605
<br/>
(312) 212-6300
</div>

我试过, recursive=FALSE了，但这似乎没有帮助。

如果它们是<p>和</p>换行符，那么它会更容易，因为我可以单独抓住它们，但<br/>不包装文本我真的不能朝那个方向发展。希望只有一个选项可以降低在内部完成的剥离级别xmlValue（或者可能在<br/>文档解析阶段剥离 s ？）。

Answer 1

有两件事可能会有所帮助

app.data<-getForm("http://sites.target.com/site/en/spot/store_locator_popups.jsp", ajax="true", storeNumber=1889)
app.data<-gsub("<br>","\n",app.data)
f <- htmlParse(app.data, asText=TRUE)
out<-xpathSApply(f, "//div[@class=\"sl_results_popup_address\"]", xmlValue)
> xpathSApply(f, "//div[@class=\"sl_results_popup_address\"]", xmlValue)
[1] "1154 S Clark St\nChicago, IL 60605\n(312) 212-6300"
>

所以只需br用其他东西替换标签或使用您的原始代码和

> xpathSApply(f, "//div[@class=\"sl_results_popup_address\"]/text()", xmlValue)
[1] "1154 S Clark St"   "Chicago, IL 60605" "(312) 212-6300"   
>

如果你想保留标签

dum.fun<-function(x){if(xmlName(x)=="br"){"<br/>"}else{xmlValue(x)}}
xChild<-xpathSApply(f, "//div[@class=\"sl_results_popup_address\"]",xmlChildren)
lapply(xChild,dum.fun)
> unlist(lapply(xChild,dum.fun))
[1] "1154 S Clark St"   "<br/>"             "Chicago, IL 60605"
[4] "<br/>"             "(312) 212-6300" 
>