Question

假设我有以下链接：

<a class=\"MainCategory\"href=\"/cp/3951?povid=cat1070145-env172199-moduleA080112-lLinkGNAV_Electronics_Computers\">Computers</a>
<a href=\"/browse/electronics/desktop-computers/3944_3951_132982/?_refineresult=true&catNavId=3951&povid=cat1070145-env172199-moduleA080112-lLinkGNAV_Electronics_Computers_Desktops\">Desktops</a>
<a href=\"/cp/Laptops/1089430?povid=cat1070145-env172199-moduleA080112-lLinkGNAV_Electronics_Computers_Laptops\">Laptops</a>

是否有自动提取以下IDS的方法：3951,132982＆amp; 1089430及其相应的标签：电脑，台式电脑和笔记本电脑？

Answer 1

如果您的网址位于以下

中

vec <- c("<a class=\"MainCategory\"href=\"/cp/3951?povid=cat1070145-env172199-moduleA080112-lLinkGNAV_Electronics_Computers\">Computers</a>",
         "<a href=\"/browse/electronics/desktop-computers/3944_3951_132982/?_refineresult=true&catNavId=3951&povid=cat1070145-env172199-moduleA080112-lLin kGNAV_Electronics_Computers_Desktops\">Desktops</a>",
         "<a href=\"/cp/Laptops/1089430?povid=cat1070145-env172199-moduleA080112-lLinkGNAV_Electronics_Computers_Laptops\">Laptops</a>")

您可以使用正则表达式来提取信息：

data.frame(ID = sub(".*[0-9]+_[0-9]+_([0-9]+).*", "\\1", 
                    sub(".*[^0-9]([0-9]+)\\?povid.*", "\\1", vec)),
           Label = sub(".*>(.*)</a>$", "\\1", vec))

#        ID     Label
# 1    3951 Computers
# 2  132982  Desktops
# 3 1089430   Laptops

使用R从URL中提取类别ID和类别标签

1 个答案: