将 HTML 转换为 R Markdown答案

【问题标题】：Convert HTML to R Markdown将 HTML 转换为 R Markdown
【发布时间】：2017-05-11 05:40:11
【问题描述】：

有没有办法将一个html文件，比如https://cran.r-project.org/web/packages/tidytext/vignettes/tidytext.html，转换成可执行的R Markdown文件（rmd）？

【问题讨论】：

似乎可行但很难。到目前为止，您尝试过什么？
从哪里获取数据？
我在 RStudio (v1.4+) 中使用可视化降价编辑器在下面做了一个回答，这使得偶尔的转换非常容易。

【解决方案1】：

如果 Markdown 文件 (.md) 就足够了，那么如果您还没有，请下载并安装 pandoc。然后从命令行运行它，或者在 R 中使用 system("pandoc ...") 或 shell("pandoc ...")。

pandoc https://cran.r-project.org/web/packages/tidytext/vignettes/tidytext.html -o out.md

对于特定文件，可以对源代码和输出部分进行后处理，但需要付出一些额外的努力，可能相当大。

【讨论】：

Markdown 看起来不错，但缺乏 rmd 文件的完整可执行性

【解决方案2】：

简而言之，没有。

pandoc 二进制文件简直太棒了，我用它来将html 输出从Rd 文件转换回markdown（以包含在其他markdown 文档中）。

但它使用pandoc 来实现它所知道的：从markdown 转换为html 等。pandoc 本身对R 一无所知。所以除了从输出它创建的，你有一个工具不匹配。

所以在某些情况下：您可能想要原始源代码，因为您无法从它产生的 html 输出重新创建 Rmd。

【讨论】：

【解决方案3】：

这是我使用的解决方案：

将 .html 转换为 .md ：

pandoc ./test.html -o test.md

将 .md 重命名为 .rmd

mv test.md test.rmd

后处理代码以组织块和段落

# chunks r marker: replace ' {\.sourceCode \.r}' by '{r}'
sed -i 's/ {\.sourceCode \.r/{r/' test.rmd
# delete lines beginning wit ':::'
sed -i '/^:::/d' test.rmd
# delete lines beginning '![](data:image' (html plot)
sed -i '/^\!\[\](data:image/d' test.rmd
# delete paragraph separator lines
sed -i '/^=====/d' test.rmd
sed -i '/^-----/d' test.rmd
# replace paragraph marks
#'[1]{.header-section-number}' by '#'
sed -i 's/\[[0-9]\+\]{\.header-section-number}/#/' test.rmd
#'[1.1]{.header-section-number}' by '##'
sed -i 's/\[[0-9]\+\.[0-9]\+\]{\.header-section-number}/##/' test.rmd
#'[1.1.1]{.header-section-number}' by '###'
sed -i 's/\[[0-9]\+\.[0-9]\+\\.[0-9]\+]{\.header-section-number}/###/' test.rmd

添加 YAML 标头

echo "$(echo -e "\n" | cat - test.rmd)" > test.rmd
echo "$(echo '---' | cat - test.rmd)" > test.rmd
echo "$(echo 'title: '\"'test'\" | cat - test.rmd)" > test.rmd
echo "$(echo '---' | cat - test.rmd)" > test.rmd

当然，您可以将这些行放在 .sh 中以简化任务

【讨论】：

【解决方案4】：

您可以通过以下方式获得 98% 的结果：

打开一个新的 rmarkdown 文件（在 RStudio v 1.4+ 中），
点击“切换到可视化降价编辑器”按钮*，
从浏览器中选择并复制 html 输出
粘贴到您的 rmarkdown 文件中。

要获得最后 2%，您需要确保 R 代码块被识别：

点击“切换到源代码编辑器”按钮（与上面的按钮相同）。
使用 ```{r} 查找并替换，并在完成代码块后使用```

并确保数据按代码要求可用。祝你好运！

*要切换到 Markdown 文档的可视模式，请使用编辑器工具栏右上角带有指南针图标的按钮 - 此处描述：https://blog.rstudio.com/2020/09/30/rstudio-v1-4-preview-visual-markdown-editing/

【讨论】：

救了我。服务器出现故障时丢失数据帧，但有 html 文件的备份。谢谢。

【解决方案5】：

:~$ ## convert .html to .md :
:~$ pandoc Assessment-Week2B.html -o Assessment-Week2B.md
:~$ 
:~$ ## rename .md to .rmd
:~$ mv Assessment-Week2B.md Assessment-Week2B.rmd
:~$ 
:~$ ## edit via RStudio
:~$ rstudio Assessment-Week2B.Rmd

尝试通过终端修改如下短MV，但通过RStudio修改会更容易。

【讨论】：