xml - 使用R从XML提取信息

Question

我正在尝试使用R和xpathSApply从以下html代码中提取日期信息：

                                                            </td>
                    </tr>
                                            <tr
                        data-row-id="1363827503"
                                                        class="future "
                        data-lat-from="-33.946098"
                        data-lon-from="151.1772"
                        data-lat-to="33.94252"
                        data-lon-to="-118.406998"
                        data-name-from="Sydney Kingsford Smith Airport"
                        data-name-to="Los Angeles International Airport"
                        data-date="2015-03-23"
                        data-flight=""
                        data-flight-number="VA1"
                    >

这是我尝试过的R中的代码：

library(XML)
url<- "http://www.flightradar24.com/data/flights/va1/"
info<- htmlTreeParse(url, useInternalNodes=T)
xpathSApply(info, "//data-date", xmlValue)

返回：list（）

我希望它返回：2015-03-23

Answer 1

这是您感兴趣的文档的一部分：

<tr
    data-row-id="1363827503"
    class="future "
    data-lat-from="-33.946098"
    data-lon-from="151.1772"
    data-lat-to="33.94252"
    data-lon-to="-118.406998"
    data-name-from="Sydney Kingsford Smith Airport"
    data-name-to="Los Angeles International Airport"
    data-date="2015-03-23"
    data-flight=""
    data-flight-number="VA1"
>

如您所见， data-date不是元素，它是 tr元素的属性。使用 //tr/@data-date作为XPath表达式来检索 data-date属性。

但是请注意，此文档中有多个 data-date属性。要仅检索单个属性，还需要一种方法来标识特定的行，例如

//tr[@data-row-id="1363827503"]/@data-date

ID 1363827503在此文档中仅出现一次，因此是该 tr元素的唯一标识符。