如何从HTML文件提取DT R包生成的表格为tibble？

解决方案代码 #

library(rvest)
library(jsonlite)
library(tibble)
library(purrr)

# 读取目标HTML文件
html_content <- read_html("demo.html")

# 定位到"Display data"章节区域
target_section <- html_element(html_content, "#display-data")

# 获取表格对应的名称（从二级标题提取）
table_titles <- target_section |> 
  html_elements("h2") |> 
  html_text()

# 提取所有DT表格对应的JSON脚本
dt_json_scripts <- target_section |> 
  html_elements('script[type="application/json"][data-for^="htmlwidget"]')

# 解析JSON并转换为tibble列表
dt_tibble_list <- map(dt_json_scripts, function(script_node) {
  # 提取脚本内的JSON文本
  raw_json <- html_text(script_node)
  # 解析JSON
  parsed_data <- fromJSON(raw_json)
  # 将表格数据转为tibble
  as_tibble(parsed_data$x$data)
})

# 为列表添加对应名称
named_dt_list <- set_names(dt_tibble_list, table_titles)

# 查看最终结果
named_dt_list

步骤说明 #

1. 定位目标区域：通过#display-data选择器定位到包含所有表格的章节，避免处理页面其他无关内容。
2. 提取表格名称：从章节内的<h2>标签提取文本，作为最终列表的命名依据，确保和表格一一对应。
3. 筛选DT脚本：通过属性筛选，只提取DT表格对应的application/json类型脚本（这类脚本存储了DT的完整数据）。
4. 解析JSON并转tibble：遍历每个脚本，提取JSON文本后解析，从x$data节点获取原始表格数据，转为tibble格式。
5. 命名列表：将提取的标题和tibble列表绑定，得到符合需求的命名列表。

这个方法无需重新运行参数化RMarkdown，直接从已生成的HTML中提取数据，节省计算资源和时间。

内容的提问来源于stack exchange，提问作者Ashirwad