使用rvest选择无class或id属性div元素及组合调用异常解决

链式调用返回空集的原因 #

你之前的链式写法返回空集，本质是对rvest中html_nodes()的匹配逻辑理解有误：当向html_nodes()传入已经提取完成的节点集时，函数会在这些节点的所有后代子节点中匹配选择器，而非对当前节点集本身的每个节点做条件过滤。
你第一步通过page %>% html_nodes("div:not([class])")得到的结果是：带id的tag div、两个无任何属性的div。这些div节点内部没有嵌套的div子节点，后续再调用html_nodes("div:not([id])")自然找不到匹配内容，返回空集。

可行的实现方案 #

• 最简洁的写法是将两个过滤条件直接合并到单条CSS选择器中，在初始查询时完成双重判断，不需要分两次调用：

  page %>% html_nodes("div:not([class]):not([id])")
  

  这条选择器会直接选中同时满足「无class属性」、「无id属性」的div节点，正好排除前两个带属性的div。
• 如果需要在已经提取完成的全量div节点集中做二次筛选，可以基于rvest的属性提取规则直接做向量过滤，不需要重复调用节点查找函数：

  # 先提取所有div节点
  all_divs <- page %>% html_nodes("div")
  # 筛选既无class也无id属性的节点
  target_divs <- all_divs[
    is.na(html_attr(all_divs, "class")) & 
    is.na(html_attr(all_divs, "id"))
  ]
  

  该方法的判断逻辑是：rvest中如果节点不存在对应属性，html_attr()会返回NA，利用这个特征做向量化匹配，不需要依赖额外第三方包。

内容的提问来源于stack exchange，提问作者broti