用txt获取信息

Posted 2023-04-19

【中文标题】用txt获取信息

【英文标题】：Obtain information with a txt

【发布时间】：2020-05-02 10:46:04

【问题描述】：

我在 R 中有一个问题。我有一个 Excel 列，它的所有行都由链接组成。 我想创建一个机器人或以某种方式从该链接获取信息（所有信息都是纯文本 .txt）。 你知道有什么方法可以在右栏中提取信息和仪表吗？问候，谢谢！。

我尝试阅读.delim，但我遇到了这个问题。

read.delim("http://multimedia.globomatik.net/productsSheet/A0017969.txt")

read.table 中的错误（file = file，header = header，sep = sep，quote = quote，： 列多于列名

另一方面，我尝试过：

read.txt("http://multimedia.globomatik.net/productsSheet/A0023294.txt"))

但是为我创建了许多行。你知道有什么方法可以加入这些行吗？

谢谢！

【问题讨论】：

您的意思是要对 Excel 文件中的所有链接进行刮板吗？并从所有链接中提取信息？

您正在查看的内容似乎是 html 而不是简单的纯文本。您需要使用可以解析 HTML 的函数。

【参考方案1】：

如果您只想将向量中的文本行连接在一起，可以使用paste(x, collapse = "\n")

最好定义一个简单的函数来读取 url 的内容并返回所有粘贴在一起的行：

get_txt <- function(link) paste0(readLines(link, warn = FALSE), collapse = "\n")

你可以这样使用：

x <- get_txt("http://multimedia.globomatik.net/productsSheet/A0023294.txt")
x
#> [1] "<div class=\"std especificaciones content-section section-2\"><div class=\
#> "column-left\">\n\t\t\t\t<h3>General</h3>\n\t\t\t\t<table class=\"data-table\" i
#> d=\"product-attribute-specs-table-1\">\n\t\t\t\t\t<col width=\"25%\" />\n\t\t\t\
#> t\t<col />\n\t\t\t\t\t<tbody><tr>\n\t\t                   \t\t\t<th class=\"labe
#> l\" data-attribute-code=\"brands\">Marca</th>\t<td class=\"data\">WESTERN DIGITA
#> L </td>\n\t\t\t\t\t\t\t\t</tr><tr>\n\t\t                   \t\t\t<th class=\"lab
#> el\" data-attribute-code=\"warranty\">Garantía</th>\t<td class=\"data\">2 años
#>  de garantía</td>\n\t\t\t\t\t\t\t\t</tr><tr>\n\t\t                   \t\t\t<th 
#> class=\"label\" data-attribute-code=\"part_number\">Part Number</th>\t<td class=
#> \"data\">WDBWLG0060HBK-EESN </td>\n\t\t\t\t\t\t\t\t</tr><tr>\n\t\t ... <truncated>

你可以看到这是一个单一的文本字符串：

length(x)
#> [1] 1