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> \n\tNew Zealand holiday homes, baches and vacation homes for rent. \ ...
# [2] <body id="ctl00_Body" class="Page-List"> \n <div class="SatNavBarPlaceholder"/>
 ...
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/