rvest 是否可以使用 html_table 保留内联 html 标签，例如 <br>？答案

【问题标题】：Can rvest keep inline html tags such as <br> using html_table?rvest 是否可以使用 html_table 保留内联 html 标签，例如 <br>？
【发布时间】：2015-09-04 11:05:00
【问题描述】：

我正在尝试在 R 中抓取我以 html 形式给出的表格。 Rvest 在将所有文本从表格中取出时非常有用，但我想保留其 HTML 表单中出现的内联样式。

例如，表格中的文本可能是

"This is a sentence <BR> this is another sentence"

我想保留 BR

我已经尝试在整个表格中阅读：

my_table <- my_table_html %>% 
html_nodes("table") %>% 
html_table(fill=TRUE)

我也尝试过选择表格中的特定列：

my_column <- my_table_html %>% 
html_nodes(".Tabletitle:nth-child(2)") %>%
html_text()

任何想法将不胜感激

【问题讨论】：

您找到答案了吗？我希望用 html_text() 做同样的事情。
Python中有一个解决方案：stackoverflow.com/a/18661076/635806 -- 或许可以适配rvest/xml2。

标签： html r rvest

【解决方案1】：

library(rvest)

pg <- read_html("This is a sentence <BR> this is another sentence")

xml_find_all(pg, ".//br") %>% xml_add_sibling("p", "\n")

xml_find_all(pg, ".//br") %>% xml_remove()

html_text(pg)
## [1] "This is a sentence \n this is another sentence"

【讨论】：