如何用R语言的rvest包提取HTML标签的innerHTML而非outerHTML？

当用rvest包的as.character()处理选中的HTML标签时，会返回包含外层标签的outerHTML，无法直接得到仅包含标签内部内容的innerHTML。以下是可行的解决方法：

方法：使用xml2::xml_contents()提取内部内容 #

xml_contents()可以获取目标标签下的所有子节点（包括纯文本和嵌套的HTML标签），完全不包含外层标签，之后只需将节点内容拼接成完整字符串即可：

library(rvest)
html = '<html><body>Hi <b>name</b></body></html>'

# 提取body标签的innerHTML
inner_html <- read_html(html) |>
  html_element('body') |>
  xml2::xml_contents() |>
  as.character() |>
  paste(collapse = "")

# 输出结果
inner_html

运行后返回：

[1] "Hi <b>name</b>"

这个方案能精准保留内部的所有HTML结构和文本，完全符合提取innerHTML的需求。

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