XPATH 函数与高级谓词

R 语言网页抓取

Timo Grossenbacher

Instructor

position() 函数

...
<ol>
  <li>第一个元素。</li>
  <li>第二个元素。</li>
  <li>第三个元素。</li>
  <li>第四个元素。</li>
  <li>第五个元素。</li>
</ol>
...

html %>% 
  html_elements(xpath = 
             '//ol/li[position() = 2]')
# Equivalent CSS selector: 
# ol > li:nth-child(2)

{xml_nodeset (1)}
[1] <li>第二个元素。</li>

position() 的更多运算符

...
<ol>
  <li>第一个元素。</li>
  <li>第二个元素。</li>
  <li>第三个元素。</li>
  <li>第四个元素。</li>
  <li>第五个元素。</li>
</ol>
...

html %>% 
  html_elements(xpath = 
             '//ol/li[position() < 3]')

{xml_nodeset (2)}
[1] <li>第一个元素。</li>
[2] <li>第二个元素。</li>

position() 的更多运算符

...
<ol>
  <li>第一个元素。</li>
  <li>第二个元素。</li>
  <li>第三个元素。</li>
  <li>第四个元素。</li>
  <li>第五个元素。</li>
</ol>
...

html %>% 
  html_elements(xpath = 
             '//ol/li[position() != 3]')

{xml_nodeset (4)}
[1] <li>第一个元素。</li>
[2] <li>第二个元素。</li>
[3] <li>第四个元素。</li>
[4] <li>第五个元素。</li>

组合谓词

...
<ol>
  <li class = 'blue'>第一个元素。</li>
  <li>第二个元素。</li>
  <li class = 'blue'>第三个元素。</li>
  <li>第四个元素。</li>
  <li class = 'blue'>第五个元素。</li>
</ol>
...

html %>% 
  html_elements(xpath = 
  '//ol/li[position() != 3 and @class = "blue"]')

{xml_nodeset (2)}
[1] <li class="blue">第一个元素。</li>
[2] <li class="blue">第五个元素。</li>

html %>% 
  html_elements(xpath = 
  '//ol/li[position() != 3 or @class = "blue"]')

{xml_nodeset (5)}
...

count() 函数

...
<ol>
  <li class = 'blue'>第一个元素。</li>
  <li>第二个元素。</li>
  <li class = 'blue'>第三个元素。</li>
</ol>
<ol>
  <li class = 'red'>第一个元素。</li>
  <li>第二个元素。</li>
</ol>
...

html %>% 
  html_elements(xpath = '//ol[count(li) = 2]')

{xml_nodeset (1)}
[1] <ol>\n<li class="red">...

html %>% 
  html_elements(xpath = '//ol[count(li) > 2]')

{xml_nodeset (1)}
[1] <ol>\n<li class="blue">...

试试这些函数！

R 语言网页抓取