Rvest：获取节点文本而不是其子文本答案

【问题标题】：Rvest: getting node text and not its childen's textRvest：获取节点文本而不是其子文本
【发布时间】：2016-09-15 08:22:49
【问题描述】：

方法html_text()（来自R Package rvest）连接节点的文本和它的所有子节点。我想只提取父亲的文字。

对于以下示例，html_text() 表示 HELLO GOODBYE。

我只想得到 GOODBYE。我怎样才能得到它？

<div class="joke">
  <div class="div_inside">
    <div class="title_inside">
      <a class="link" href="sompage.htm">HELLO</a>
    </div>
  </div>
  GOODBYE
</div>

【问题讨论】：

问题 + 最少的代码 + 最少的数据是 SO 问题的常用习语
read_html('your_html_script') %>% html_nodes(xpath = '//div[@class="joke"]/node()[not(self::div)]') %>% html_text()?
效果很好，@Abdou。我期望从 rvest 包中得到一些东西，但是 xpath 的灵活性就足够了。非常感谢！
不客气！也许还有另一种解决方案。我将添加这个作为答案。

标签： r web-scraping rvest

【解决方案1】：

尝试使用 xpath 使用 class "joke" 获取主要的 div 标签，而不使用其子标签：

library(rvest)

read_html('your_html_script') %>%
    html_nodes(xpath = '//div[@class="joke"]/node()[not(self::div)]') %>% 
    html_text()

谢谢！

【讨论】：