使用R grepl删除HTML文件中的一行
使用R grepl删除HTML文件中的一行
提问于 2018-07-16 05:38:14
我在一个名为doc的对象中有一个HTLM文档
> doc
<!DOCTYPE html>
<h1>Hello</h1>
<br>
<p>I am an html file</p>
<script myscript1 src="https://website.com/javascripts.js" type="text/javascript"></script>
<p>I am a paragraph</p>
<script myscript2 src="https://website2.com/function.js" type="text/javascript"></script>我的目标是创建一个R函数来从文档中删除包含脚本myscript1的行
<script myscript1 src="https://website.com/javascripts.js" type="text/javascript"></script>我尝试了以下代码，但它不起作用：
remove <- "<script myscript1 src="https://website.com/javascripts.js" type="text/javascript"></script>"
doc <- doc[!grepl(paste(remove), doc),]注意:在删除myscript1之后，多亏了xPath，我需要从文档中获取一些元素。
你能帮帮我吗？谢谢
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-07-16 08:21:42
一种方法是首先将html文件的字符矢量表示放到R中并使用它。为此，我们可以将外部with对象(blob)写出为一个文本html文件，然后使用基本函数readLines将其读入。考虑一下：
old <- '<!DOCTYPE html>
<h1>Hello</h1>
<br>
<p>I am an html file</p>
<script myscript1 src="https://website.com/javascripts.js"
type="text/javascript"></script>
<p>I am a paragraph</p>
<script myscript2 src="https://website2.com/function.js"
type="text/javascript"></script>'
write(old,"old.html")
library(xml2)
doc <- read_xml("old.html", as_html=TRUE)
write_xml(doc, "foo.html")
bar <- readLines("foo.html")
barbar <- bar[!grepl("myscript1",bar)]
barbar
#[1] "<!DOCTYPE html>"
#[2] "<html><body>"
#[3] "<h1>Hello</h1>"
#[4] "<br><p>I am an html file</p>"
#[5] "<script myscript2 src=\"https://website2.com/function.js\"
# type=\"text/javascript\"></script>"
#[6] "</body></html>"rite(barbar, "new.html")页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/51352444
复制相关文章
相似问题
腾讯云开发者
