【发布时间】：2010-11-23 16:15:40
【问题描述】：
大家好，
有没有办法只从网页中的特定框架读取 HTML 代码？
例如，如果我向谷歌翻译提交一个 url，有没有办法只解析翻译后的页面框架？每当我尝试时，我只能访问页面上的顶部框架，而不能访问已翻译的框架。这是我的独立示例代码：
library(XML)
url <- "http://www.baidu.com/s?wd=r+project"
url.google.translate <- URLencode(paste("http://translate.google.com/translate?js=y&prev=_t&hl=en&ie=UTF-8&layout=1&eotf=1&sl=zh-CN&tl=en&u=", url, sep=""))
htmlTreeParse(url.google.translate, useInternalNodes = FALSE)
以上代码引用了这个url：
$file
[1] "http://translate.google.com/translate?js=y&prev=_t&hl=en&ie=UTF-8&layout=1&eotf=1&sl=zh-CN&tl=en&u=http://www.baidu.com/s?wd=r+project"
但是输出只访问页面的顶部框架而不是主框架，这是我感兴趣的。
希望这是有道理的，并在此先感谢您的帮助。
托尼
更新 - 感谢下面@kwantam 的回答（已接受），我能够使用它来获得如下解决方案（自包含）：
> # Load R packages
> library(RCurl)
> library(XML)
>
> # STAGE 1 - find forward url in relevent frame
> ( url <- "http://www.baidu.com/s?wd=r+project" )
[1] "http://www.baidu.com/s?wd=r+project"
> gt.url <- URLencode(paste("http://translate.google.com/translate?js=y&prev=_t&hl=en&ie=UTF-8&layout=1&eotf=1&sl=zh-CN&tl=en&u=", url, sep=""))
> gt.doc <- getURL(gt.url)
> gt.html <- htmlTreeParse(gt.doc, useInternalNodes = TRUE, error=function(...){})
> nodes <- getNodeSet(gt.html, '//frameset//frame[@name="c"]')
> gt.parameters <- sapply(nodes, function(x) x <- xmlAttrs(x)[[1]])
> gt.url <- paste("http://translate.google.com", gt.parameters, sep = "")
>
> # STAGE 2 - find forward url to translated page
> doc <- getURL(gt.url, followlocation = TRUE)
> html <- htmlTreeParse(doc, useInternalNodes = TRUE, error=function(...){})
> url.trans <- capture.output(getNodeSet(html, '//meta[@http-equiv="refresh"]')[[1]])
> url.trans <- strsplit(url.trans, "URL=", fixed = TRUE)[[1]][2]
> url.trans <- gsub("\"/>", "", url.trans, fixed = TRUE)
> url.trans <- xmlValue(getNodeSet(htmlParse(url.trans, asText = TRUE), "//p")[[1]])
>
> # STAGE 3 - load translated page
> url.trans
[1] "http://translate.googleusercontent.com/translate_c?hl=en&ie=UTF-8&sl=zh-CN&tl=en&u=http://www.baidu.com/s%3Fwd%3Dr%2520project&prev=_t&rurl=translate.google.com&usg=ALkJrhiCMu1mKv-czCmEaB7PO925TJCa-A "
> #getURL(url.trans)
如果有人知道我上面给出的更简单的解决方案，请随时告诉我！ :)
【问题讨论】：
-
您需要“url”而不是“u”作为粘贴的第二个参数
-
@mdsumner 好地方，现在已经修好了。我应该在新的 R 会话中测试该代码（当前会话中已经有一个名为“u”的变量，因此没有错误）
标签： r google-translate