如何使用 R 将 a href 更改为 URL？ [关闭]答案

【问题标题】：How to change the a href into an URL using R? [closed]如何使用 R 将 a href 更改为 URL？ [关闭]
【发布时间】：2015-07-31 08:32:42
【问题描述】：

如何使用 R 将 href 更改为有意义的 URL？有意义的是，我理解一个地址，如果粘贴到浏览器将正确打开。

例如：

<a href="../../systemfit/html/systemfit.html">systemfit</a>

读自： http://artax.karlin.mff.cuni.cz/r-help/library/systemfit/html/systemfit.control.html

进入： http://artax.karlin.mff.cuni.cz/r-help/library/systemfit/html/systemfit.html

我做的是：

collectLinks <- function(x){
library(stringi)
fileUrl <- (x)
html <- paste(readLines(fileUrl, warn=FALSE), collapse="\n")
matched <- stri_match_all_regex(html, "<a href=\"(.*?)\"")
matched[[1]][, 2]
}

links <- collectLinks("http://artax.karlin.mff.cuni.cz/r-help/library/systemfit/html/systemfit.control.html")

函数 collectLinks 将包含 URL 的字符串作为输入。它返回在 x 上找到的 href 内容的字符向量。

接下来我想做的是遍历链接中的每个元素并从中提取 href 内容。然而：

[1] "../../systemfit/html/systemfit.html"      "../../systemfit/html/solve.html"      
[3] "../../systemfit/html/det.html"         "../../systemfit/html/systemfit.html"  
[5] "mailto:arne.henningsen@googlemail.com" "../../systemfit/html/systemfit.html"  
[7] "00Index.html"

不是有意义的 URL。

readLines(links[1])
Error in file(con, "r") : cannot open the connection
In addition: Warning message:
In file(con, "r") :
cannot open file '../../systemfit/html/systemfit.html': No such file or    directory

我想知道是否有一种通用方法可以将 a href 内容转换为可以进一步利用的有意义的 URL？

【问题讨论】：

我不太明白你的意思？你可能只需要一些正则表达式？？只需删除开头和结尾的和 sub(">systemfit</a>, "") ??
我正在使用 readLines 读取 html 并使用正则表达式提取 a href 内容。接下来我想做的是从href打开内容，所以结果来自正则表达式，但这对于readLines来说不是一个有意义的url。

标签： r url href

【解决方案1】：

library(XML)
k1<-getHTMLLink("http://artax.karlin.mff.cuni.cz/r-help/library/systemfit/html/systemfit.control.html")
#k1[6] is what you are looking for:
>k1[6]
[1] "../../systemfit/html/systemfit.html"
k2<-htmlParse(sub("../..", "http://artax.karlin.mff.cuni.cz/r-help/library",k1[6]))

【讨论】：

这将起作用，但仅适用于本示例。我想知道是否有任何通用的解决方案。
没有通用的解决方案。见http://www.w3.org/TR/WD-html40-970917/htmlweb.html。