是否可以在某些文本字符串之后抓取一系列节点？

Question

简短的问题：我想从一系列页面中抓取一系列 html_nodes。当这些元素位于没有任何类或 id 的列表中时，问题就出现了。我也不能使用 XPATH，因为所需元素的位置从一页到另一页不同，这取决于以前的信息。

详细资料：

• 示例页面：https : //www.fablabs.io/machines/othermill
• 目标：我想抓取使用该特定机器的所有晶圆厂的名称

html 代码（片段）如下所示：

<div class='heading'>Available at</div>
<ul class='list-unstyled'>
<li>
<img alt="The%20beach%20lab%20%28mobile%29" class="avatar tiny" src="...>
<a href="/labs/thebeachlab">The Beach Lab x Middle East</a>
</li>
<li>
<img alt="Default lab avatar" class="avatar tiny" src="...>
<a href="/labs/fabedcarolina">Fab Ed Carolina</a>
</li>
...

</ul>

由于没有嵌套的类或 id，我唯一的选择是使用 Xpath，如下所示：

fablabs = url %>%
    html_nodes(xpath = '/html/body/div[2]/div[2]/div[2]/ul[3]/li/a') %>%
    html_text()

不幸的是，虽然这适用于该页面，但不适用于其他页面，因为此列表的位置会根据其先前的内容在页面之间发生变化。

我唯一知道的是我想刮掉字符串下方的东西Available at。有没有办法在R中实现这一目标？

Answer 1

您可以尝试使用 XPathfollowing-sibling轴，例如：

//div[.="Available at"]/following-sibling::ul/li/a

简要说明 ：

• //div[.="Available at"]: 定位div内部文本等于 'Available at' 的元素

• /following-sibling::ul：然后找到所有ul跟随兄弟姐妹的元素div

• li/a: 然后从这些ul元素中，返回a父元素所在的孙子元素li