如何用RSelenium提取<script>标签内data数组的数值？

你可以通过字符串提取+正则匹配的方式从script标签内容中提取目标数值数组，具体步骤如下：

步骤1：提取script标签内的纯代码文本 #

你已经用htmlParse解析了outerHTML，接下来先提取script标签里的实际代码内容：

# 从解析后的doc中获取script标签内的文本
script_content <- xpathSApply(doc, "//script", xmlValue)[[1]]

步骤2：用正则表达式匹配data后的数值部分 #

使用正则捕获data: [ ... ]中括号内的数值字符串：

# 匹配data: 后的数组内容（需先安装stringr包）
library(stringr)
data_match <- str_match(script_content, "data:\\s*\\[(.*?)\\]")[,2]

如果不想额外安装包，也可以用基础R实现：

# 基础R正则匹配方式
data_match <- regmatches(script_content, gregexpr("data:\\s*\\[(.*?)\\]", script_content))[[1]]
data_match <- sub("data:\\s*\\[(.*?)\\]", "\\1", data_match)

步骤3：转换为数值列表 #

把捕获到的字符串分割并转为数值型向量（即R中的列表形式）：

# 分割字符串并转换为数值
num_list <- as.numeric(strsplit(trimws(data_match), "\\s*,\\s*")[[1]])
# 去除原数组末尾逗号导致的空值
num_list <- num_list[!is.na(num_list)]

完整示例代码 #

# 你的原有代码
textprog <- remDr$findElement(using="xpath","/html/body/div1/div1/div/div[2]/div/div/div[2]/div[4]/div[2]/div[2]/div[3]/div/div/script")$getElementAttribute('outerHTML')[1]
doc <- htmlParse(textprog)

# 提取script内容
script_content <- xpathSApply(doc, "//script", xmlValue)[[1]]

# 匹配并提取数值
library(stringr)
data_match <- str_match(script_content, "data:\\s*\\[(.*?)\\]")[,2]
num_list <- as.numeric(strsplit(trimws(data_match), "\\s*,\\s*")[[1]])
num_list <- num_list[!is.na(num_list)]

# 查看结果
print(num_list)

处理后num_list即为你需要的数值列表，输出结果为[1] 46 59 41 25 66 2 97 9。

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