如何将 {xml_node} 转换为纯文本并保留标签？

Question

我希望能够像xml2::xml_text()或rvest::html_text()一样进行操作，但保留标签而不是用\n等内容代替标签，以便从网页中提取想要的节点，并将纯HTML存储在一个变量中。这样就可以像write_html()函数将其写入文件一样进行处理。

请问如何实现这一操作？

- Harold Cavendish

---

在寻求帮助时，您应该包含一个简单的可重现示例，其中包括样本输入和期望输出，以便用于测试和验证可能的解决方案。 - MrFlick

@MrFlick 我知道，但这里我正在问一个非常普遍的问题，因此我认为我提供的描述应该足够了。我正在寻找的解决方案是一个已经在xml2中实现的单个函数，只是不丢弃标签，或者另一个函数所做的事情，只是将输出到另一个变量而不是外部文件。 - Harold Cavendish

所以你想将XML作为字符串保留而不进行解析？为什么不能直接将其读取为字符串？或者你想使用xml2遍历/修改树，然后将特定部分的输出作为原始未解析的字符串获取？ - divibisan

@divibisan 确实。因为数据结构是带有外部指针的列表，我不知道如何将其转换为字符串。 - Harold Cavendish

Answer 1

具有讽刺意味的是，事实证明as.character()运作得很好。

因此：

library(rvest)
html <- read_html("http://stackoverflow.com")

res <– html %>%
         html_node("h1") %>%
         as.character()

> res

[1] "<h1 class=\"-title\">Learn, Share, Build</h1>"

这是我当前使用情况下期望的输出结果。

另一方面，如果需要剥离标签进行比较：

res <- html %>%
         html_node("h1") %>%
         html_text()

> res
[1] "Learn, Share, Build"

- Harold Cavendish