html - 紧接指定文本后提取html表-6ren

html - 紧接指定文本后提取html表

转载作者：行者123 更新时间：2023-12-03 17:32:56

我正在尝试从网页上抓取html表。但是，该页面包含许多我不想抓取的html表。为了确定要抓取的表，我想使用第一个表，该表后面有特定的单词组合（单词组合不在表中，而是文本的一部分）。这是一个例子：

这是我感兴趣的表：

library(XML)
url <- "http://www.sec.gov/Archives/edgar/data/1301063/000119312514133663/0001193125-14-133663.txt"
readHTMLTable(url, trim = T, header = F, stringsAsFactors = F)[29]

我想用来检测该表的标准是它是遵循此单词组合的第一个表：

“安全，健康，环境和可持续性挑战”

html <- getURL(url, followlocation = TRUE)
doc <- htmlParse(html, asText = TRUE)
text <- xpathSApply(doc, "//text()[not(ancestor::script)][not(ancestor::style)][not(ancestor::noscript)][not(ancestor::form)]", xmlValue)
grep("safety, health, environmental and sustainability challenges", text, value = T)

最佳答案

我认为这是您要寻找的：

xpathSApply(doc,'//text()[contains(.,"safety, health, environmental and sustainability challenges")]/following::table[1]');
## <table cellspacing="0" cellpadding="0" width="100%" border="0" style="BORDER-COLLAPSE:COLLAPSE" align="center">
##   <tr><td width="48%"/>
## <td valign="bottom" width="12%"/>
## <td/>
## <td/>
## <td/>
## <td valign="bottom" width="12%"/>
## <td/>
## <td/>
## <td/>
## <td valign="bottom" width="12%"/>
## <td/>
## <td/>
## <td/>
## <td valign="bottom" width="12%"/>
## <td/>
## <td/>
## <td/></tr>
##   <tr><td valign="bottom" nowrap="nowrap" align="center" style="border-bottom:1px solid #000000"> <p style="margin-top:0px;margin-bottom:1px" align="center"><font style="font-family:Times New Roman" size="1"><b>Name</b></font></p></td>
## <td valign="bottom"><font size="1">  </font></td>
## <td valign="bottom" colspan="2" nowrap="nowrap" align="center" style="border-bottom:1px solid #000000"><font style="font-family:Times New Roman" size="1"><b>Audit<br/>Committee</b></font></td>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom" colspan="2" nowrap="nowrap" align="center" style="border-bottom:1px solid #000000"><font style="font-family:Times New Roman" size="1"><b>Compensation<br/>Committee</b></font></td>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom" colspan="2" nowrap="nowrap" align="center" style="border-bottom:1px solid #000000"><font style="font-family:Times New Roman" size="1"><b>Nominating and<br/>Corporate<br/>Governance<br/>Committee</b></font></td>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom" colspan="2" nowrap="nowrap" align="center" style="border-bottom:1px solid #000000"><font style="font-family:Times New Roman" size="1"><b>Safety, Health,<br/>Environmental and<br/>Sustainability<br/>Committee</b></font></td>
## <td valign="bottom"><font size="1"> </font></td></tr>
##   <tr bgcolor="#cceeff"><td valign="top"> <p style="margin-left:1.00em; text-indent:-1.00em"><font style="font-family:Times New Roman" size="2">Kevin S. Crutchfield</font><font style="font-family:Times New Roman" size="1"><sup style="vertical-align:baseline; position:relative; bottom:.8ex">(1)</sup></font><font style="font-family:Times New Roman" size="2"/></p></td>
## <td valign="bottom"><font size="1">  </font></td>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"><font style="font-family:Times New Roman" size="2"> </font></td>
## <td valign="bottom" align="right"><font style="font-family:Times New Roman" size="2">X</font></td>
## <td nowrap="nowrap" valign="bottom"><font style="font-family:Times New Roman" size="2">  </font></td></tr>
##   <tr><td valign="top"> <p style="margin-left:1.00em; text-indent:-1.00em"><font style="font-family:Times New Roman" size="2">Angelo C. Brisimitzakis</font></p></td>
## <td valign="bottom"><font size="1">  </font></td>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"><font style="font-family:Times New Roman" size="2"> </font></td>
## <td valign="bottom" align="right"><font style="font-family:Times New Roman" size="2">X</font></td>
## <td nowrap="nowrap" valign="bottom"><font style="font-family:Times New Roman" size="2">  </font></td>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"><font style="font-family:Times New Roman" size="2"> </font></td>
## <td valign="bottom" align="right"><font style="font-family:Times New Roman" size="2">X</font></td>
## <td nowrap="nowrap" valign="bottom"><font style="font-family:Times New Roman" size="2">  </font></td>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"><font style="font-family:Times New Roman" size="2"> </font></td>
## <td valign="bottom" align="right"><font style="font-family:Times New Roman" size="2">X</font></td>
## <td nowrap="nowrap" valign="bottom"><font style="font-family:Times New Roman" size="2">  </font></td></tr>
##   <tr bgcolor="#cceeff"><td valign="top"> <p style="margin-left:1.00em; text-indent:-1.00em"><font style="font-family:Times New Roman" size="2">William J. Crowley, Jr.</font></p></td>
## <td valign="bottom"><font size="1">  </font></td>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"><font style="font-family:Times New Roman" size="2"> </font></td>
## <td valign="bottom" align="right"><font style="font-family:Times New Roman" size="2">X</font></td>
## <td nowrap="nowrap" valign="bottom"><font style="font-family:Times New Roman" size="2">  </font></td></tr>
##   <tr><td valign="top"> <p style="margin-left:1.00em; text-indent:-1.00em"><font style="font-family:Times New Roman" size="2">E. Linn Draper, Jr.</font></p></td>
## <td valign="bottom"><font size="1">  </font></td>
## <td valign="bottom"><font style="font-family:Times New Roman" size="2"> </font></td>
## <td valign="bottom" align="right"><font style="font-family:Times New Roman" size="2">X</font></td>
## <td nowrap="nowrap" valign="bottom"><font style="font-family:Times New Roman" size="2">  </font></td>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"><font style="font-family:Times New Roman" size="2"> </font></td>
## <td valign="bottom" align="right"><font style="font-family:Times New Roman" size="2">X</font></td>
## <td nowrap="nowrap" valign="bottom"><font style="font-family:Times New Roman" size="2">  </font></td>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"/></tr>
##   <tr bgcolor="#cceeff"><td valign="top"> <p style="margin-left:1.00em; text-indent:-1.00em"><font style="font-family:Times New Roman" size="2">Glenn A. Eisenberg</font><font style="font-family:Times New Roman" size="1"><sup style="vertical-align:baseline; position:relative; bottom:.8ex">(2)</sup></font><font style="font-family:Times New Roman" size="2"/></p></td>
## <td valign="bottom"><font size="1">  </font></td>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"><font style="font-family:Times New Roman" size="2"/><font style="font-family:Times New Roman" size="1"><sup style="vertical-align:baseline; position:relative; bottom:.8ex"/></font><font style="font-family:Times New Roman" size="2"> </font></td>
## <td valign="bottom" align="right"><font style="font-family:Times New Roman" size="2">X</font><font style="font-family:Times New Roman" size="1"><sup style="vertical-align:baseline; position:relative; bottom:.8ex"/></font><font style="font-family:Times New Roman" size="2"/></td>
## <td nowrap="nowrap" valign="bottom"><font style="font-family:Times New Roman" size="2"/><font style="font-family:Times New Roman" size="1"><sup style="vertical-align:baseline; position:relative; bottom:.8ex">(3)</sup></font><font style="font-family:Times New Roman" size="2"> </font></td>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"><font style="font-family:Times New Roman" size="2"> </font></td>
## <td valign="bottom" align="right"><font style="font-family:Times New Roman" size="2">X</font></td>
## <td nowrap="nowrap" valign="bottom"><font style="font-family:Times New Roman" size="2">  </font></td></tr>
##   <tr><td valign="top"> <p style="margin-left:1.00em; text-indent:-1.00em"><font style="font-family:Times New Roman" size="2">Deborah M. Fretz</font></p></td>
## <td valign="bottom"><font size="1">  </font></td>
## <td valign="bottom"><font style="font-family:Times New Roman" size="2"/><font style="font-family:Times New Roman" size="1"><sup style="vertical-align:baseline; position:relative; bottom:.8ex"/></font><font style="font-family:Times New Roman" size="2"> </font></td>
## <td valign="bottom" align="right"><font style="font-family:Times New Roman" size="2">X</font><font style="font-family:Times New Roman" size="1"><sup style="vertical-align:baseline; position:relative; bottom:.8ex"/></font><font style="font-family:Times New Roman" size="2"/></td>
## <td nowrap="nowrap" valign="bottom"><font style="font-family:Times New Roman" size="2"/><font style="font-family:Times New Roman" size="1"><sup style="vertical-align:baseline; position:relative; bottom:.8ex">(3)</sup></font><font style="font-family:Times New Roman" size="2"> </font></td>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"><font style="font-family:Times New Roman" size="2"> </font></td>
## <td valign="bottom" align="right"><font style="font-family:Times New Roman" size="2">X</font></td>
## <td nowrap="nowrap" valign="bottom"><font style="font-family:Times New Roman" size="2">  </font></td>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"/></tr>
##   <tr bgcolor="#cceeff"><td valign="top"> <p style="margin-left:1.00em; text-indent:-1.00em"><font style="font-family:Times New Roman" size="2">P. Michael Giftos</font></p></td>
## <td valign="bottom"><font size="1">  </font></td>
## <td valign="bottom"><font style="font-family:Times New Roman" size="2"> </font></td>
## <td valign="bottom" align="right"><font style="font-family:Times New Roman" size="2">X</font></td>
## <td nowrap="nowrap" valign="bottom"><font style="font-family:Times New Roman" size="2">  </font></td>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"><font style="font-family:Times New Roman" size="2"> </font></td>
## <td valign="bottom" align="right"><font style="font-family:Times New Roman" size="2">X</font></td>
## <td nowrap="nowrap" valign="bottom"><font style="font-family:Times New Roman" size="2">  </font></td>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"><font style="font-family:Times New Roman" size="2"/><font style="font-family:Times New Roman" size="1"><sup style="vertical-align:baseline; position:relative; bottom:.8ex"/></font><font style="font-family:Times New Roman" size="2"> </font></td>
## <td valign="bottom" align="right"><font style="font-family:Times New Roman" size="2">X</font><font style="font-family:Times New Roman" size="1"><sup style="vertical-align:baseline; position:relative; bottom:.8ex"/></font><font style="font-family:Times New Roman" size="2"/></td>
## <td nowrap="nowrap" valign="bottom"><font style="font-family:Times New Roman" size="2"/><font style="font-family:Times New Roman" size="1"><sup style="vertical-align:baseline; position:relative; bottom:.8ex">(3)</sup></font><font style="font-family:Times New Roman" size="2"> </font></td></tr>
##   <tr><td valign="top"> <p style="margin-left:1.00em; text-indent:-1.00em"><font style="font-family:Times New Roman" size="2">L. Patrick Hassey</font></p></td>
## <td valign="bottom"><font size="1">  </font></td>
## <td valign="bottom"><font style="font-family:Times New Roman" size="2"> </font></td>
## <td valign="bottom" align="right"><font style="font-family:Times New Roman" size="2">X</font></td>
## <td nowrap="nowrap" valign="bottom"><font style="font-family:Times New Roman" size="2">  </font></td>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"><font style="font-family:Times New Roman" size="2"> </font></td>
## <td valign="bottom" align="right"><font style="font-family:Times New Roman" size="2">X</font></td>
## <td nowrap="nowrap" valign="bottom"><font style="font-family:Times New Roman" size="2">  </font></td>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"/></tr>
##   <tr bgcolor="#cceeff"><td valign="top"> <p style="margin-left:1.00em; text-indent:-1.00em"><font style="font-family:Times New Roman" size="2">Joel Richards, III</font></p></td>
## <td valign="bottom"><font size="1">  </font></td>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"><font style="font-family:Times New Roman" size="2"/><font style="font-family:Times New Roman" size="1"><sup style="vertical-align:baseline; position:relative; bottom:.8ex"/></font><font style="font-family:Times New Roman" size="2"> </font></td>
## <td valign="bottom" align="right"><font style="font-family:Times New Roman" size="2">X</font><font style="font-family:Times New Roman" size="1"><sup style="vertical-align:baseline; position:relative; bottom:.8ex"/></font><font style="font-family:Times New Roman" size="2"/></td>
## <td nowrap="nowrap" valign="bottom"><font style="font-family:Times New Roman" size="2"/><font style="font-family:Times New Roman" size="1"><sup style="vertical-align:baseline; position:relative; bottom:.8ex">(3)</sup></font><font style="font-family:Times New Roman" size="2"> </font></td>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"/>
## <td valign="bottom"><font size="1"> </font></td>
## <td valign="bottom"><font style="font-family:Times New Roman" size="2"> </font></td>
## <td valign="bottom" align="right"><font style="font-family:Times New Roman" size="2">X</font></td>
## <td nowrap="nowrap" valign="bottom"><font style="font-family:Times New Roman" size="2">  </font></td></tr>
## </table>

关于html - 紧接指定文本后提取html表，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/31997898/

文章推荐： xpath - Xpath，在其他两个节点之间查找节点

文章推荐： xml - xslt 在模板中集成一个 xsl

文章推荐： xml - XPath比较 child 的值和 parent 的属性

文章推荐： php - 获取属性中具有特定字符串的dom元素

java - and 之间的区别
大家好，我看到了来自 java 项目中的 jsp 页面。想问一下这些html标签有什么区别。请多多指教。示例代码如下: 最佳答案使用struts-html标签库，其中只是普
html - HTML 页面中损坏的 HTML
我有一个页面，我正在从电子邮件中读取 HTML。有时，来自电子邮件的文本包含 HTML 和 CSS，它完全改变了我的页面样式。我不希望我的页面样式因此受到影响。我如何严格阅读特定 div(框)内的
html - HTML 中的图像 - HTML 表中行之间的间距
我知道有类似的问题，但我想对我的特定代码进行一些输入。我有一个图像，我将其切成 9 块，并创建了一个 3x3 HTML 表来显示它。但是我的表在行之间有空格，但在列之间没有空格。我没有使用任何 C
html - 为什么我的本地 html 链接会转到父文件夹而不是 .html？
编辑:Waylan 的回答成功了!谢谢! 我正在尝试压缩文档的 .html 文件以发送给客户。目标是获得与浏览实际网站相同的体验。打开 .html 文件时，单击的任何链接都会转到父文件夹，而不是特定
html - 为什么我的本地 html 链接会转到父文件夹而不是 .html？
编辑:Waylan 的回答成功了!谢谢! 我正在尝试压缩文档的 .html 文件以发送给客户。目标是获得与浏览实际网站相同的体验。打开 .html 文件时，单击的任何链接都会转到父文件夹，而不是特定
html - 如何解析和规范化来自不同 HTML 生成器的 HTML？
这是 question 的扩展.我正在尝试解析嵌入在 Blogger 博客的 XML 备份中的 HTML 片段，并用 InDesign 标签重新标记它们。 Blogger 并未对其任何帖子的 HTML
html - html 元素之间的换行符破坏了 html 布局
我知道在 html 中元素之间的换行符被视为空格，但我认为当您尝试使用响应式布局时这非常可怕。例如，这里我们有预期和正确的行为，但要获得它，我必须删除元素之间的 html 中的换行符: https:
html - 将带有 html 标签的文本显示为 html
我正在尝试将文本文件显示为 html。我正在使用 ionic 。我正在发送一个 html 格式的响应，但在一个文本文件中发送到配置文件页面。它在 .ts 页面的变量名中。 @Component({
html - 如何在 html 中显示 html？
假设我有一个 html 文档: test 我想在浏览器中显示该代码。然后我会创建类似的东西: <html>test<html> 为了在中间制作 gubbins，我有一个函数
html - HTML 元素和 HTML 标签有什么区别？
HTML 元素和 HTML 标签有什么区别？渲染有什么区别吗？使用标签或元素时有什么特殊注意事项吗？最佳答案是一个标签，特别是一个开始标签也是一个标签，一个结束标签 This is a para
html - 降低 html 表格高度和过度滚动 - HTML
我有这个表格的模态形式。该表正在填充大量数据，但我不想分页。相反，我想以模式形式降低表格的高度并为表格添加溢出。下面是我的代码，但它不起作用。请问我该如何实现？ CSS #table{
html - 查看 HTML 代码而不是呈现的 HTML
我记得有一个 Linux 命令可以从给定的 URL 返回 HTML 代码。您可以将 URL 作为此命令的参数，然后返回 HTML 代码，而不是在浏览器中输入 URL。哪个命令执行此操作？最佳答案
html - 在 html 中显示 html
我有一个 html 页面，我想在其中包含另一个有很多链接的 html 页面。我能够使用 iframe 实现它，但我希望 iframe 内的页面具有与原始页面相同的文本和链接颜色属性，我不想要滚动条，我
html - 如何从另一个 HTML 加载部分 HTML？
我正在使用 HTML 写一本书。如果我把它写在一个 html 文件中，整个代码就会变长，所以我想将每一章保存到不同的文件中，然后将它们加载到主 html 中。我的意思是有像 chapter1.html
html - 将 html 页面重定向到另一个 html
在显示之前，我必须将一个网站重定向到另一个网站。我试过使用 .htaccess，但它给我带来了问题。我也使用过 javavscript 和 meta，但在加载我要从中传输的页面之前它不起作用。帮助？
html - 将网页 html 转换为电子邮件 html
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。我们不允许提问寻求书籍、工具、软件库等的推荐。您可以编辑问题，以便用事实和引用来回答。关闭 7 年前。
html - 使用 html 打印 ""
如何打印“html”标签，包括“”？如何在不使用文本区域和 Javascript 的情况下对任何标签执行此操作？最佳答案使用HTML character references : <html
html - 如何将 html.slim 文件转换为 html 或 html.erb？
我需要将 Ruby on Rails 应用程序中的 html.slim 文件转换为 html.erb。有什么简单的方法吗？我尝试了 Stack Overflow 和其他网站中列出的许多选项。但对我没有
html - 没有标签可以创建 HTML 文档吗？
这个问题在这里已经有了答案: Is it necessary to write HEAD, BODY and HTML tags? (6 个答案) 关闭 8 年前。我在 gitHub 上找到了这个
html - 什么是加载外部资源的 HTML 元素列表？ (HTML 电子邮件)
如果不允许通过 JavaScript 进行额外的 DOM 操作，我正在寻找可以加载外部资源的元素列表。我正在尝试使用 HTML 查看器托管来自第三方的电子邮件，当发生这种情况时，我需要删除任何自动加载

行者123

个人简介

我是一名优秀的程序员,十分优秀！

作者热门文章

滴滴打车优惠券免费领取

全站热门文章

首页

博学

6Ren·AI

商城

html - 紧接指定文本后提取html表