如何将爬取的17段USA Today文本合并为单文本并导出为.txt？

您好，这是我首次发帖，若有疏漏恳请谅解。我需从USA Today爬取数据，已获取全部17个段落，但不知如何将这些段落合并为单一文本以导出为.txt文件，寻求技术帮助。相关代码如下：

USATodayURL <- 'https://www.usatoday.com/story/news/2018/04/05/youtube-shooter-legally-bought-handgun-reloaded-least-once-during-attack-police-say/490969002/'
text_USAToday <- USATodayURL %>% read_html() %>% html_node...

嘿，别担心，首次发帖完全没问题～我来帮你搞定这个问题！看起来你已经完成了最关键的爬取步骤，就差合并和导出这两步了，具体操作如下：

完整解决方案步骤 #

1. 完善爬取代码，提取所有段落文本 #

首先要注意：如果要获取多个段落，得用html_nodes()（复数形式）而不是html_node()（单数只会取第一个匹配的元素）。假设目标段落是<p>标签，代码可以这样写：

# 加载必备包
library(rvest)
library(stringr)

USATodayURL <- 'https://www.usatoday.com/story/news/2018/04/05/youtube-shooter-legally-bought-handgun-reloaded-least-once-during-attack-police-say/490969002/'

# 爬取所有段落文本
text_USAToday <- USATodayURL %>% 
  read_html() %>% 
  html_nodes("p") %>%  # 用html_nodes获取所有<p>标签的段落
  html_text()

如果网站的段落嵌套在特定容器里（比如带有article-body类的div），可以把选择器改成html_nodes(".article-body p")，这个可以通过浏览器开发者工具查看页面结构来确认。

2. 合并所有段落为单一文本 #

用stringr包的str_c()函数（或者基础R的paste()）把所有段落合并，建议用换行符分隔，保留文章的段落结构：

# 合并段落，用两个换行符分隔（模拟文章段落间距）
combined_text <- str_c(text_USAToday, collapse = "\n\n")

# 如果需要清理多余的空白，可以加这一步
combined_text <- str_squish(combined_text)

3. 导出为TXT文件 #

用writeLines()函数就能轻松把合并后的文本写入TXT文件，它会保留我们设置的换行格式：

# 导出到当前工作目录下的usatoday_article.txt文件
writeLines(combined_text, "usatoday_article.txt")

如果你习惯用基础R的函数，也可以用write.table()，记得设置参数避免生成多余的格式：

write.table(combined_text, "usatoday_article.txt", row.names = FALSE, col.names = FALSE, quote = FALSE)

这样就能得到一个完整的文章TXT文件啦～

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