使用rlang::duplicate克隆rvest对象失效：修改副本仍变更原对象

问题成因 #

rvest底层依赖xml2库处理节点，xml2返回的HTML/XML节点对象本质是指向libxml2 C层结构体的外部指针，R层面的变量只是持有这个指针的引用，而非节点数据本身。
rlang::duplicate的作用是复制R层面的对象结构，但不会复制外部指针指向的底层C内存数据，所以你复制得到的x2和原x本质还是指向同一个底层节点，对x2的修改自然会同步到x上，该问题和R的惰性求值没有关系，是外部指针对象的特性导致的。

解决方案 #

不需要修改节点结构、不需要重新挂载子节点的前提下，有两种常用实现方案，全程不会改动原对象：

方案1：用Xpath直接提取节点自身文本 #

通过Xpath的text()语法直接匹配当前节点下的直属文本节点，忽略所有子元素节点：

# 直接提取目标节点的直属文本
self_text <- x |> 
  xml2::xml_find_all("./text()") |> 
  rvest::html_text() |> 
  paste(collapse = "")

# 输出结果和删除子节点后的结果一致
trimws(self_text)
#> [1] "text to extract"

方案2：筛选内容节点中的文本类型 #

通过xml_contents获取节点下所有直属内容，过滤出文本类型的节点后提取文本：

self_text <- x |> 
  xml2::xml_contents() |> 
  (\(content) content[xml2::xml_type(content) == "text"])() |> 
  xml2::xml_text() |> 
  paste(collapse = "")

内容的提问来源于stack exchange，提问作者geotheory