如何用rvest包提取指定span标签中的时区值

要提取目标span中的"(GMT -4:00)"，可以利用元素的唯一id属性直接定位，步骤如下：

1. 加载rvest包并解析HTML文档
2. 通过CSS选择器或XPath定位目标span元素
3. 提取元素内的文本内容

代码实现 #

library(rvest)

doc <- '<div id="economicCurrentTime" class="ecoCurrentTime ">
<span class="grayClockIcon">&nbsp;</span>Current Time:
<span id="currentTime" class="bold blackFont" data-datetime="2023/09/01 19:27:02">19:27</span>&nbsp;&nbsp;
<span id="timeZoneGmtOffsetFormatted">(GMT -4:00)</span>&nbsp;&nbsp;
<span class="dropDownArrowGray"></span> </div>'

# 解析HTML文档
parsed_doc <- read_html(doc)

# 方法1：使用CSS选择器（推荐，id唯一定位更简洁）
time_zone <- parsed_doc %>% 
  html_element("#timeZoneGmtOffsetFormatted") %>% 
  html_text(trim = TRUE)

# 方法2：使用XPath定位
time_zone_xpath <- parsed_doc %>% 
  html_element(xpath = "//span[@id='timeZoneGmtOffsetFormatted']") %>% 
  html_text(trim = TRUE)

# 输出结果
print(time_zone)
# [1] "(GMT -4:00)"

说明 #

• html_element()：返回匹配到的第一个元素（由于id属性唯一，只会定位到目标span）
• html_text(trim = TRUE)：提取元素文本并自动去除首尾多余的空白字符
• CSS选择器中的#符号用于指定匹配对应id的元素，是定位唯一元素最直观的方式

内容的提问来源于stack exchange，提问作者Camilo