我正在尝试使用r将大约300个html对象保存到磁盘。

str_url <- "https://www.holidayhouses.co.nz/Browse/List.aspx?page=1"
read_html_test1 <- xml2::read_html(str_url)

xml2::write_xml(read_html_test1, "testwrite.html")
read_html <- xml2::read_html("testwrite.html")

但这最终会将大约300个不同的文件保存到磁盘上。理想情况下,我希望将单个r对象保存到包含这300个文档的磁盘。
由于某种原因,在保存之前将每个文档转换为文本不起作用。例如,下面会产生一些奇怪的(无用的)错误:
str_html <- as.character(read_html_test1)
xml2::read_html(str_html)

如果我尝试使用xml2::read_html()的输出,它是指向c结构的指针,因此这将不会持续到磁盘。
有什么建议可以让黑客来做这个…?

最佳答案

我用httr包管理它,它的content函数可以接受as = "text"参数,这会阻止它解析html。

library(xml2)
library(httr)

str_url <- "https://www.holidayhouses.co.nz/Browse/List.aspx?page=1"

# use `GET` to make the request, and pull out the html with `content`; returns text string
x <- content(GET(str_url), as = 'text')

# make a list of html documents to save
list_xs <- list(x, x)

# save list with `saveRDS`
saveRDS(list_xs, 'test.rds')

现在看看它是否有效:
# read in rds file we saved
saved_html <- readRDS('test.rds')

# parse the second element in it with `xml2::read_html`
saved_x_parsed <- read_html(saved_html[[2]])

# and let's see...
saved_x_parsed

# {xml_document}
# <html>
# [1] <head><title>&#13;\n\tNew Zealand holiday homes, baches and vacation homes for rent.&#13;\ ...
# [2] <body id="ctl00_Body" class="Page-List">&#13;\n    <div class="SatNavBarPlaceholder"/>&#13 ...

关于html - 将HTML文档持久保存到磁盘,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/36023427/

10-09 06:25
查看更多