在R语言中如何将html_node转换为可操作的列表格式？

首先咱们先理清几个核心问题：你用html_node(".project-row")拿到的是单个父节点（即class为project-row的div），而非里面的10个子元素，这就是为什么length(temp_list)返回的不是10；而且直接对html_node对象用gsub或lapply会报错，因为它是外部指针类型，不是可直接操作的字符向量。

下面是一步步的解决方案：

1. 正确提取所有需要的子节点 #

先获取.project-row父节点，再提取里面所有的dt和dd元素（也就是你输出里的10个条目）：

library(rvest)
library(dplyr)

source <- "https://www.ifad.org/en/web/operations/-/project/1100000001"
html_out <- read_html(source)

# 先拿到父节点，再提取所有子节点（dt和dd）
parent_node <- html_out %>% html_node(".project-row")
child_nodes <- parent_node %>% html_nodes("dt, dd")

现在child_nodes是包含所有10个元素的xml_nodeset对象，length(child_nodes)会返回10，这才是你需要的目标集合。

2. 转换为可处理的文本向量 #

用html_text()函数把节点转换成纯文本内容，这一步会自动提取每个节点的文本：

raw_text <- child_nodes %>% html_text()

此时raw_text是一个字符向量，每个元素对应一个节点的文本，示例输出如下：

[1] "Status: Closed"              "Country"                     "Dominican Republic"         
[4] "Approval Date"               "19 December 1979"            "Duration"                   
[7] "1979 - 1988"                 "Sector"                      "Settlement"                 
[10]"Total Project Cost "         

3. 清洗文本（去除空格和换行） #

直接对字符向量批量处理，不用循环：

clean_text <- raw_text %>%
  gsub("\r\n", "", .) %>%
  gsub("^ *|(?<= ) | *$", "", ., perl = TRUE)

注意先移除换行再处理多余空格，避免残留换行后的无效空格。

4. 整理成键值对列表（可选） #

因为内容是dt（键）和dd（值）成对出现的，你可以把它们整理成命名列表，方便后续使用：

# 提取所有键（dt对应的文本，位置1,3,5...）
keys <- clean_text[seq(1, length(clean_text), 2)]
# 提取所有值（dd对应的文本，位置2,4,6...）
values <- clean_text[seq(2, length(clean_text), 2)]

# 组合成命名列表
project_info <- setNames(as.list(values), keys)

最终的project_info是一个清晰的命名列表，示例如下：

$`Status: Closed`
NULL

$Country
[1] "Dominican Republic"

$`Approval Date`
[1] "19 December 1979"

$Duration
[1] "1979 - 1988"

$Sector
[1] "Settlement"

$`Total Project Cost`
NULL

（注：第一个和最后一个条目因为没有对应的值，所以显示为NULL，你可以根据实际需求调整处理逻辑）

为什么之前的脚本失效了？ #

你之前用as.list(.) %>% unlist()的方法，大概率是因为rvest版本更新后，as.list()对xml_nodeset的处理逻辑发生了变化。现在更推荐先通过html_text()把节点转成文本向量再操作，这种方式更稳定且可读性更强。

内容的提问来源于stack exchange，提问作者LololoTheGreat