Rでウェブスクレイピングして取得したGoogleの検索リンクは、必要な形式ではありません

Question

Rのウェブをスクレイピングし、Rの検索キーワードを使用してGoogle検索のアクションを実行しようとしています。私はRCurlとXMLパッケージを使用してGoogle検索結果のリンクを取得することに部分的に成功しています。しかし、抽出したhrefリンクには不要な情報が含まれており、「URL」の形式ではありません。

私が使用するコードは次のとおりです。

html <- getURL(u) 
links <- xpathApply(doc, "//h3//a[@href]", xmlGetAttr, 'href') 
links <- grep("http://", links, fixed = TRUE, value=TRUE) 

上記のコードは、しかし、彼らは以下の形式である、私の7のリンクを提供します：

：

[1] "/url?q=http://theguitarrepairworkshop.com/services/&sa=U&ved=0ahUKEwiOnNXzsr7OAhWHAMAKHX_LApYQFggmMAM&usg=AFQjCNF1r13FMHXXTsxMkbwzortiWKDALQ" 

私はなるためにそれらを好むだろう

http://theguitarrepairworkshop.com/services/ 

上記のようにhrefを抽出するにはどうすればよいですか？

Answer 1

出力（もXMLパッケージを使用していますが、こするに関連する便利な機能をたくさん持っている）rvestパッケージ

library(rvest) 
ht <- read_html('https://www.google.co.in/search?q=guitar+repair+workshop') 
links <- ht %>% html_nodes(xpath='//h3/a') %>% html_attr('href') 
gsub('/url\\?q=','',sapply(strsplit(links[as.vector(grep('url',links))],split='&'),'[',1)) 

を使用する：

[1] "http://theguitarrepairworkshop.com/"                 
[2] "http://www.justdial.com/Delhi-NCR/Guitar-Repair-Services/ct-134788"          
[3] "http://www.guitarrepairshop.com/"                  
[4] "http://www.guitarworkshoponline.com/"                 
[5] "http://www.guitarrepairbench.com/guitar-building-projects/guitar-workshop/guitar-workshop-project.html" 
[6] "http://www.guitarservices.com/"                   
[7] "http://guitarworkshopglasgow.com/pages/repairs-1"              
[8] "http://brightonguitarworkshop.co.uk/"                 
[9] "http://www.luth.org/resources/schools.html" 

コード内の第四行はテキストをきれいにします。最初に結果のURL（ごみに付いてくる）を '&'に分割し、結果の分割の最初の要素を取り、 '/ url？q ='を空に置き換えます。

希望すると助かります！