我有很多网页，我想提取它们的发布日期。 对于某些网页，日期位于“abbr”标签中(例如:abbr class=\"published\"title=\"2012-03-14T07:13:39+00:00\">2012-03-14， 7:13")，我可以使用以下方法获取日期: doc=htmlParse(theURL,asText=T) xpathSApply(doc,"//abbr",xmlValue)
但对于其他网页，日期位于“mega”标签中，例如:
元名称=\"已创建\"内容=\"2011-12-29T11:49:23+00:00\"
元名称=\“原始发布日期\”内容=\“2012/11/14 10:56:58\”
我尝试了 xpathSApply(doc, "//meta",xmlValue)，但它不起作用。
那么，我应该使用什么模式来代替“//meta”？
谢谢!
最佳答案
以此页面为例:
library(XML)
url <- "http://stackoverflow.com/questions/22342501/"
doc <- htmlParse(url, useInternalNodes=T)
names <- doc["//meta/@name"]
content <- doc["//meta/@content"]
cbind(names,content)
# names content
# [1,] "twitter:card" "summary"
# [2,] "twitter:domain" "stackoverflow.com"
# [3,] "og:type" "website"
# [4,] "og:image" "http://cdn.sstatic.net/stackoverflow/img/<a href="https://stackoverflow.com/cdn-cgi/l/email-protection" class="__cf_email__" data-cfemail="d4b5a4a4b8b1f9a0bba1b7bcf9bdb7bbba94e6faa4bab3" rel="noreferrer noopener nofollow">[email protected]</a>?v=fde65a5a78c6"
# [5,] "og:title" "how to get information within <meta name...> tag in html using htmlParse and xpathSApply"
# [6,] "og:description" "I have a bunch of webpages and I want to extract their publishing dates. \nFor some webpages, the da" [truncated]
# [7,] "og:url" "http://stackoverflow.com/questions/22342501/how-to-get-information-within-meta-name-tag-in-html-usi" [truncated]
问题
xpathSApply(doc, "//meta",xmlValue)
是xmlValue(...)返回元素内容(例如，元素的文本部分)。 <meta>标签没有文字。
关于html - 如何使用 htmlParse 和 xpathSApply 获取 html 中 <meta name...> 标记内的信息，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/22342501/