У меня есть HTML строка (TEMP) следующим образомИспользование GSUB в R
" <span id=\"MainContent_lblGenAssessment\">$138,110</span></dd>"
Я хотел бы использовать GSUB только вернуть $ 138110, без кавычек или пробелов.
До сих пор я сделал
gsub("<.*?>", "", z[temp[3]])
, но это только возвращает
" $138,110"
Одним из решений является использование групп захвата (битовой в скобках):
\\s соответствует пробельному, и [^<]+ соответствует одному или нескольким символам, которые не являются <.
temp <- " <span id=\"MainContent_lblGenAssessment\">$138,110</span></dd>"
out <- sub('\\s*<.*>([^<]+)<.*>\\s*', '\\1', temp)
Если вы считаете, с помощью HTML/XML-анализатор, а Biegeleisen mentiones @ Тим:
Использование rvest (который основан на xml2) вы можете сделать следующее:
require(rvest)
doc <- read_html(" <span id=\"MainContent_lblGenAssessment\">$138,110</span></dd>")
html_text(html_node(doc, "span"))
Какие дает "$138,110"
Написано в трубке (%>%) Форма это будет
doc %>%
html_node("span") %>%
html_text
использовать 'trimws()', чтобы удалить пробелы в начале или в конце строки 'trimws (GSUB ("<.*?>", "", г [темп [3]]))' –
Вы должны дать по запросу для доставки без кавычек, поскольку в результате нет никаких котировочных символов. Эти цитаты являются onlu информативными, и их можно избежать, используя 'cat' или print with' quotes = FALSE'. Посмотрите на функции 'trim', чтобы опубликовать процесс или лучше использовать шаблон типа« ^. + <.*?> |. + $ », Который удалит как стартовый, так и конечный мусор. –
Если вы ожидаете, что HTML еще немного сложнее, чем это, вы должны рассмотреть использование синтаксического анализа XML. –