xml - 从 R 中的网页返回链接列表

Question

我正在尝试在 r 中编写一个函数，给定一个地址，它将返回该网页上的链接列表。

例如:

getLinks("http://prog21.dadgum.com/109.html")

会返回:

"http://prog21.dadgum.com/prog21.css"
"http://prog21.dadgum.com/atom.xml"
"http://prog21.dadgum.com/index.html"
"http://prog21.dadgum.com/archives.html"
"http://prog21.dadgum.com/atom.xml"
"http://prog21.dadgum.com/56.html"
"http://prog21.dadgum.com/39.html"
"http://prog21.dadgum.com/109.html"
"http://prog21.dadgum.com/108.html"
"http://prog21.dadgum.com/107.html"
"http://prog21.dadgum.com/106.html"
"http://prog21.dadgum.com/105.html"
"http://prog21.dadgum.com/104.html"

Answer 1

此功能似乎适用于其他网页，但由于某种原因不会返回相关页面的完整 URL。我有兴趣看看是否有更好的方法来做到这一点。

getLinks <- function(URL) {
    require(XML)
    doc <- htmlParse(URL)
    out <- unlist(doc['//@href'])
    names(out) <- NULL
    out
}