将本地HTML文件读入R

Question

我有一个在桌面上的HTML文件。(在Chrome中，右键点击网页，选择“保存为”，然后选择“网页，HTML”）。我该如何将此本地文件读入R？一旦在R中，我需要编写一些正则表达式来解析字符串并提取某些值。

- uspowpow

---

看看这篇关于使用正则表达式进行解析的帖子吧：https://dev59.com/X3I-5IYBdhLWcg3wq6do - n1k31t4

Answer 1

使用 readLines 如下：

 rawHTML <- paste(readLines("path/to/file.html"), collapse="\n")

- Ricardo Saporta

Answer 2

今天，更好（并且更快）的做法是使用包含在整洁宇宙中的 xml2::read_html 来读取来自本地文件或 URL 的 html 内容。

library(xml2)
rawHTML <- read_html(x = "path/to/file.html")

由于此函数可以从本地文件或URL读取html内容，因此它为基于rvest库进行html抽取的自动化提供了输入灵活性。

- GGAnderson

Answer 3

另一种可能性是使用 htmltools 的 includehtml() 函数。

rawHTML <- includeHTML('path/to/file.html')

class(rawHTML)
[1] "html"      "character"

- bathyscapher