使用 rvest 选择特定样式

Question

是否可以使用 rvest 仅抓取具有特定样式的文本？

示例 HTML：

<p>Lorem ipsum <span style="font-size: 15px">dolor</span> sit amet, <span style="font-size: 15px">consetetur</span> sadipscing <span style="font-weight: 400">elitr</span>, sed diam nonumy eirmod tempor invidunt ut labore et dolore magna aliquyam.</p>

我只想抓取带有font-size: 15px 的文本，而不是其他<span>-tags 中的文本。

我尝试过的一种解决方法是：

html %>% 
  html_nodes('span') %>% 
  str_subset('font-size: 15px')

但是，在str_subset 之后不能使用html_text，因为它将html 转换为字符串。除了手动擦除剩余的标签还有其他想法吗？

Answer 1

在 rvest 包中查找 html_attr 和 html_attrs 函数。

此示例将找到具有您要查找的属性的节点：

library(rvest)

html<-read_html('<p>Lorem ipsum <span style="font-size: 15px">dolor</span> sit amet, <span style="font-size: 15px">consetetur</span> sadipscing <span style="font-weight: 400">elitr</span>, sed diam nonumy eirmod tempor invidunt ut labore et dolore magna aliquyam.</p>')

nodes<-html %>%   html_nodes('span') 
nodes[html_attr(nodes, "style")=="font-size: 15px"]

#{xml_nodeset (2)}
#[1] <span style="font-size: 15px">dolor</span>
#[2] <span style="font-size: 15px">consetetur</span>