如何用R语言rvest包筛选不含<a>链接的<p>段落

你的问题出在最后一步的选择器逻辑上——当前代码是从<p>标签里筛选非<a>的子元素，但你实际需要的是筛选本身不包含任何<a>标签的<p>元素。

可以用CSS的:has()伪类结合:not()实现需求，直接过滤掉包含<a>标签的<p>：

html <- read_html("https://www.news4teachers.de/2023/08/schaemt-euch-deutschland-steht-vor-den-vereinten-nationen-am-pranger-weil-es-die-inklusion-an-schulen-verweigert/")

# 筛选article下不包含a标签的p元素
result <- html |>
  html_elements("article p:not(:has(a))")

# 提取文本内容查看结果
result |> html_text()

逻辑说明 #

• :has(a)匹配内部包含<a>标签的元素，not(:has(a))反向选择完全不含<a>的<p>标签
• 该写法一步到位，比分步筛选更简洁高效

内容的提问来源于stack exchange，提问作者Pawel Kul