如何使用xml2排除节点

Question

我在过去的几天里到处寻找，我发现在XPath v2中你可以使用'except‘运算符，但还没有弄清楚xml2如何处理这个问题。

这个链接是我想要做的，但是这是特定于XPath的，并且我试图完全排除一个节点like in this SO answer。

例如，我的测试文档是一个我解压并读取的.docx。它有正文和一个表格。我想要读取所有的正文文本，除了表格中的任何内容。这两个我都能读，但我想不出如何排除所有的w:tbl。任何not或except操作符似乎都不起作用。

使用xml_find_all，它无一例外地抓取这些节点中的任何内容。

bodytext <- xml2::xml_find_all(doc, "//w:p")
tabletext <- xml2::xml_find_all(doc, "//w:tbl")

Answer 1

在这里，您正在查询所有现有的w:p，但w:tbl包含w:p的实例-以下仅选择位于正文中的段落：

xml2::xml_find_all(doc, "//w:body/w:p")

请注意，要浏览docx的内容，可以使用officer::docx_summary(officer::read_docx('/path/to/document.docx'))，它将返回一个包含内容、索引等的data.frame，如下所示。

  doc_index content_type style_name             text level num_id
1         1    paragraph       <NA>                     NA     NA
2         2    paragraph  heading 1 Table of content    NA     NA
3         3    paragraph       <NA>                     NA     NA
4         4    paragraph  heading 2     dataset iris    NA     NA