我正在尝试通过将PDF文件作为HTML/XML文件读入R中来解析它。我知道可以使用pdftools
包将其读入。然而,如果我只是将链接读入HTML/XML文件,我无法访问其中的数据。
library(xml2)
library(XML)
html_string="https://mchb.hrsa.gov/whusa11/hstat/hsrmh/downloads/pdf/233ml.pdf"
ht <-read_html(html_string)
nodes<-xml_find_all(ht, ".//body")
> ht
{xml_document}
<html>
[1] <body><p>%PDF-1.6\r%\xe2ãÏÓ\r\n83 0 obj\r<>stream\r\nhÞ\u009cTË\u008eÓ@äSú'»çÑ3\u0096V+EA\\"V«$·\u ...
[2] <html><p>\u009d@a ö¯\u0088Î÷Ü\\&ÔÈýÐâÿZO^"j[FoQ)ÒÇq\n\u009b\u008dx\u0085\u008eß±µ\u009bõo\t\u008f6¢ ...
> ht[1]
$node
<pointer: 0x00000000047901a0>
我试过以下函数
xmlTreeParse
xmlToList
xmlParse
如何在内部访问XML文档内容字符串? 我正在尝试将它们转换为可以操作的对象。