r - XPath:选择没有类属性的元素

Question

我正在尝试提取具有以下结构的文本：

<p class="id1"> Title or something </p>    
<p> Text text text </p>
<p> More text </p>
<p class="id2"> Something else </p>

当我使用时：

text_info <- xpathSApply(PARSED, "//p", xmlValue)

结果是：

[1] 'Title or something'
[2] 'Text text text'
[3] 'More text'
[4] 'Something else'

我只希望 <p>中的文本没有类：

[1] 'Text text text'
[2] 'More text'

我正在使用以下代码，但是要花很长时间，并且有很多文本：

text_info <- setdiff(xpathSApply(PARSED, "//p", xmlValue), xpathSApply(PARSED, "//p[@class]", xmlValue))

有没有一种方法可以仅使用一个xpathSApply来仅提取那些没有类的人？

Answer 1

您可以在XPath中使用not()。

xpathSApply(doc, "//p[not(@class)]", xmlValue, trim = TRUE)
# [1] "Text text text" "More text"   

这将选择没有class属性的元素。

数据：

library(XML)
doc <- htmlParse('<p class="id1"> Title or something </p>    
<p> Text text text </p>
<p> More text </p>
<p class="id2"> Something else </p>')