在r中的rvest包中的html函數中使用哪個選擇器？

Question

我想解析包含這些信息的HTML頁面：

<html xmlns="http://www.w3.org/1999/xhtml">
    <head>
        <meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
<title>Tajemnica Oscara Pistoriusa - Książki - WP.PL</title>
<meta name="description" content="Wieczorem, 13 lutego 2013 roku ona pisze dla niego kartkę na walentynki: &lt;b&gt;&quot;Dziś jest dobry dzień, by powiedzieć, że Cię kocham&quot;.&lt;/b&gt; Zanim on odczyta tę wiadomość, ona od kilku godzin nie..." />
<meta name="keywords" content="ksiazki, książka, literatura, czytelnik" />
<meta name="language" content="pl" />
<meta name="author" content="Grupa Wirtualna Polska" />
<meta name="robots" content="index,follow" />

我在R中使用rvest 包。當我使用這樣的代碼時，使用這個選擇器： "meta"

library(rvest)

content <- html("http://ksiazki.wp.pl/gid,17325376,tytul,Tajemnica-Oscara-Pistoriusa,galeria.html?ticaid=1147a0&_ticrsn=3")

nodesS <- html_nodes(content, "meta")

我收到了所有metas的列表，但我只對一個特定的感興趣。 我應該使用哪個選擇器來下載此處content中的那些信息：

<meta name="keywords" content="ksiazki, książka, literatura, czytelnik" />

編輯：誰能知道如何正確設置encoding參數？ 我收到了錯誤的編碼，同時指定它：

> content <- html("http://ksiazki.wp.pl/gid,17325376,tytul,Tajemnica-Oscara-Pistoriusa,galeria.html?ticaid=1147a0&_ticrsn=3", 
+                 encoding = "UTF-8" )
> 
> nodesS <- html_nodes(content, "meta[name=keywords]")
> html_attrs(nodesS)[[1]][2]
                                    content 
"ksiazki, ksiÄ…ĹĽka, literatura, czytelnik"

編輯：

我在hadley的github項目https://github.com/hadley/rvest的 readme.me概述中找到了函數guess_encoding()和repair_encoding()

Answer 1

更改CSS選擇器以包含屬性值選擇器：

nodesS <- html_nodes(content, "meta[name=keywords]")

然后，您可以通過添加以下content來提取content屬性：

html_nodes(content, "meta[name=keywords]") %>% html_attr("content")
# [1] "ksiazki, książka, literatura, czytelnik"

在r中的rvest包中的html函數中使用哪個選擇器？

問題描述

1 個解決方案

解決方案1
5 已采納 2015-03-09 16:33:38

在r中的rvest包中的html函數中使用哪個選擇器？

問題描述

1 個解決方案

解決方案1 5 已采納 2015-03-09 16:33:38

解決方案1
5 已采納 2015-03-09 16:33:38