xml - 从文档中提取唯一的 HTML 标签

Question

我在 R 中有一个 HTML 文档，我想从该文档中提取唯一标签列表以及它们出现的频率。

我可以按如下方式遍历每个可能的标签，但希望有一个不需要预定义标签列表的解决方案:

library('XML')
url <- 'http://stackoverflow.com/questions/11227809/why-is-processing-a-sorted-array-faster-than-an-unsorted-array'
doc <- htmlParse(url)
all_tags <- c('//p', '//a', '//b', '//u', '//i')
counts <- sapply(all_tags, function(x) length(xpathSApply(doc, x)))
free(doc)

Answer 1

经典的 XML 包版本可能如下所示:

tab <- table(xpathSApply(doc, "//*", xmlName))
tab[c('p', 'a', 'b', 'u', 'i')]