xml2を解析するhtml-comments

Question

いくつかのRmarkdown-Filesを解析するために、xml2 -packageを実験し始めています。今、私は構造化された方法でhtmlコメントを解析する際に、またセクション間の情報を解析する際に非常に込み入っています（####など）

コメントの内容にアクセスしようとしています。

library(xml2) 
library(magrittr) 

# html-output as created by rmarkdown 
x <- xml2::read_xml(" 
    <div id='header-level-1' class='section level1'> 
    <h1>Header Level 1</h1> 
    <!-- This is a comment, which I want to parse --> 
    <div id='header-level-4-1' class='section level4'> 
    <h4>Header Level 4 (1)</h4> 
    <!-- parse me 4 (1) --> 
    <p>Hello!</p> 
    </div> 
    <div id='header-level-4-2' class='section level4'> 
    <h4>Header Level 4 (2)</h4> 
    <!-- parse me 4 (2) --> 
    <p>How are you?</p> 
    <pre class='r'><code>print(&quot;Hello World&quot;)</code></pre> 
    </div> 
    </div> 
") 

# inspecting the structure, {comments} are present as a structural element 
x %>% 
    html_structure() 
#> <div#header-level-1 .section.level1> 
#> <h1> 
#>  {text} 
#> {comment} 
#> <div#header-level-4-1 .section.level4> 
#>  <h4> 
#>  {text} 
#>  {comment} 
#>  <p> 
#>  {text} 
#> <div#header-level-4-2 .section.level4> 
#>  <h4> 
#>  {text} 
#>  {comment} 
#>  <p> 
#>  {text} 
#>  <pre.r> 
#>  <code> 
#>   {text} 

# first attempt to acess content of comments 
x %>% 
    xml_find_all("//div") %>% 
    sub("^.*<!-- ", "", .) %>% 
    sub(" -->.*$", "", .) 
#> [1] "parse me 4 (2)" "parse me 4 (1)" "parse me 4 (2)" 

私は確信して、より良い方法はありますか？理想的には、私はコメントを得て、階層構造（これらのコメントは例えばこれらのコメントに属していた）を保持する。

Answer 1

xml_find_all(x, ".//*/comment()/../div") 
## {xml_nodeset (2)} 
## [1] <div id="header-level-4-1" class="section level4">\n <h4>Header Level 4 (1)</h4>\n <!-- parse me 4 (1) -->\n <p>He ... 
## [2] <div id="header-level-4-2" class="section level4">\n <h4>Header Level 4 (2)</h4>\n <!-- parse me 4 (2) -->\n <p>Ho ...