如何使用R与rvest提取标签onclick属性中的URL路径？

• 问题本质：html_text2()是提取元素的文本内容，而onclick是元素的属性，所以用这个方法根本拿不到属性值，得用专门读取属性的函数。

• 具体解决步骤：

  1. 选中目标元素后，调用html_attr("onclick")直接获取该属性的完整内容
  2. 对属性值做正则提取，剥离出目标URL路径

示例代码：

library(rvest)
library(stringr)

# 加载目标页面
target_url <- "https://www.forklift-international.com/en/for-sale/forklift-battery"
page_content <- read_html(target_url)

# 选中卡片元素并提取onclick属性
card_elements <- page_content %>% html_elements(".card.cardhighlight0")
onclick_content <- card_elements %>% html_attr("onclick")

# 正则提取URL路径（适配类似goTo('/xxx/xxx')的格式）
extracted_paths <- str_extract(onclick_content, "'([^']+)'") %>% 
  str_remove_all("'")

# 拼接为完整可访问的URL
full_urls <- paste0("https://www.forklift-international.com", extracted_paths)

• 注意：如果页面里的onclick属性用的是双引号包裹路径，把正则里的单引号换成双引号即可。

内容的提问来源于stack exchange，提问作者sketman