使用“XML”包中的 htmlParse() 时防止添加第一行答案

【问题标题】：Prevent adding first line when using htmlParse() from 'XML' package使用“XML”包中的 htmlParse() 时防止添加第一行
【发布时间】：2015-08-09 15:48:43
【问题描述】：

我在对 XHTML 文档执行 htmlParse() 时遇到问题。

当它作为“externalptr”加载到 R 中时，我可以看到在文件顶部添加了一行：

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">

我不想让这一行出现，因为它破坏了我的应用程序。我想在 htmlParse() 函数中删除它，而不必为我拥有的每个 XHTML 手动删除这一行。

有什么建议吗？我曾尝试更改传递给函数htmlParse()的一些参数，但此时尝试使用后，我没有找到。

如果有帮助，这里是我解析的 XHTML 的第一行：

<?xml version="1.0" encoding="utf-8" ?>
<html dir="ltr" xmlns="http://www.w3.org/1999/xhtml" xmlns:epub="http://www.idpf.org/2007/ops" xml:lang="es">
<head>
<meta charset="utf-8" />

【问题讨论】：

您需要<?xml version ...> 行吗？如果没有，请使用xmlRoot(doc)
感谢您的回答。但它也打破了它。它是从 epub 中提取的文件，如果我删除该行，它就无法在我的 iPad 的 iBooks 中加载。还没有尝试过安卓等其他平台。
我们真的可以使用更多的代码和数据来提供帮助。您如何提取生成的 HTML？如果是saveXML，为什么不直接用gsub替换第一行（虽然saveXML默认应该加上<xml…前缀。
谢谢大家。最后，你们俩都帮助我找到了解决方案。我尝试使用xmlRoot()，然后使用带有该前缀的saveXML() 保存，最后出现的问题是编码错误，因为我使用的是西里尔字母和拉丁字母混合。尝试在 Windows 下更改编码但没有成功。终于在 Linux 下工作了。
酷。您应该添加您所做的作为答案。它会帮助其他人，您可以在几天内接受答案。

标签： html xml r xml-parsing

【解决方案1】：

我尝试使用xmlRoot()，然后使用saveXML() 保存，包括作为参数的前缀<?xml version="1.0" encoding="utf-8" ?>

还有一个编码问题，但那是另一回事了。在 Windows 下不行，在 Ubuntu 下终于可以了。

谢谢大家。

【讨论】：