如何用Rselenium提取HTML中data:[]内的数值并转为可操作列表？

步骤1：提取script标签内的纯文本 #

从你已经解析的doc对象中，先提取出script标签里的实际文本内容：

# 从doc对象中获取script标签的文本
script_text <- xpathSApply(doc, "//script", xmlValue)

步骤2：正则匹配并提取data数组内容 #

通过正则表达式定位data: [ ... ]片段，再清理并转换为数值列表：

方法一：使用stringr包（更简洁）

# 若未安装stringr先执行：install.packages("stringr")
library(stringr)

# 匹配data: [ ... ]部分
data_str <- str_extract(script_text, 'data: \\[.*?\\]')
# 移除"data: ["和"]"，保留中间的数值字符串
nums_str <- str_remove_all(data_str, 'data: \\[|\\]')
# 按逗号分割，同时处理空格和末尾空值
num_list <- str_split(nums_str, ',\\s*')[[1]]
num_list <- num_list[num_list != ""]
# 转换为数值型向量（可直接按索引提取元素）
num_vector <- as.numeric(num_list)

方法二：使用Base R（无需额外包）

# 匹配data: [ ... ]片段
data_match <- regmatches(script_text, gregexpr('data: \\[.*?\\]', script_text))[[1]]
# 清理字符串，去掉无关部分
nums_str <- gsub('data: \\[|\\]', '', data_match)
# 分割字符串，过滤空元素
num_list <- strsplit(nums_str, ',\\s*')[[1]]
num_list <- num_list[nzchar(num_list)]
# 转为数值向量
num_vector <- as.numeric(num_list)

使用说明 #

处理完成后，num_vector就是可单独提取元素的数值向量，例如：

• 提取第一个元素：num_vector[1]（结果为3）
• 提取第三个元素：num_vector[3]（结果为73）
  你可以直接用这些数值和其他部分拼接成完整的数值。

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