在 R 的 XML 库中调试 htmlParse答案

【问题标题】：Debugging htmlParse in R's XML library在 R 的 XML 库中调试 htmlParse
【发布时间】：2012-07-27 13:53:39
【问题描述】：

这不是我第一次在 XML 库中使用htmlParse 时遇到问题，但过去我刚刚放弃并使用regex 来解析我需要的内容。我宁愿通过解析 XML/XHTML 来做到这一点，因为我们都知道正则表达式不是解析器。

也就是说，我发现解析命令中的错误消息充其量是没有帮助的，我不知道如何继续。例如：

> htmlParse(getForm("http://www.takecarehealth.com/LocationSearchResults.aspx", location_query="Deer Park",location_distance=50))
Error in htmlParse(getForm("http://www.takecarehealth.com/LocationSearchResults.aspx",  : 
  File 
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head id="ctl00_Head1">
        <title></title>
        <script language="JavaScript" type="text/javascript">
            var s_pageName = document.title;
            var s_channel = "Take Care";
            var s_campaign = "";
            var s_eVar1 = ""
            var s_eVar2 = ""
            var s_eVar22 = ""
            var s_eVar23 = ""
        </script>
        <meta name="keywords" content="take care clinic, walgreens clinic, walgreens take care clinic, take care health, urgent care clinic, walk in clinic" />
        <meta name="description" content="Information about simple, quality healthcare for the whole family from Take Care Clinics at select Walgreens, including Take Care Clinic hours, providers, offers, insurance and quality of care." />
        <link rel="shortcut icon" hre

我很高兴它在那里看到了一些东西，但是我在哪里可以深入了解“错误：文件”？

请注意，据我所知，这是格式良好的 XHTML。当我访问link manually 时，我可以在其上运行 xpaths，而 Firebug 不会抱怨。

我该如何调试来自 htmlParse 的错误？

【问题讨论】：

@ttmaccer 很有趣。所以这毕竟是一个格式错误的代码问题。
这很有意义。谢谢。

标签： regex r debugging xml-parsing

【解决方案1】：

先下载然后传递给 XML 包似乎可以工作

test<-getForm("http://www.takecarehealth.com/LocationSearchResults.aspx", location_query="Deer Park",location_distance=50)
htmlParse(test,asText=T)

或直接

htmlParse(getForm("http://www.takecarehealth.com/LocationSearchResults.aspx", location_query="Deer Park",location_distance=50),asText=T)

好像也不错

【讨论】：

所以我猜是 asText 参数做到了？