如何根据[r]中的NOT条件解析HTML / XML标记>> [

Question

最亲密的StackOverflow伙伴，

我正在使用EverNote输出的HTML，需要解析以下内容：

注释标题
• 注释锚（注释本身的超链接身份）
• 注释创建日期
• 注释内容，和
• 笔记本内超链接（笔记内容中的链接到另一个笔记的锚点）
• 根据[r] XML程序包的作者examples by Duncan Temple Lang和SO answer by @jdharrison，我已经能够相对轻松地解析注释标题，注释锚点和注释创建日期。对于那些可能感兴趣的人，这样做的命令是

require("XML")
rawHTML <- paste(readLines("EverNotebook.html"), collapse="\n") #Yes... this is noob code
doc = htmlTreeParse(rawHTML,useInternalNodes=T)
#Get Note Titles
html.titles<-xpathApply(doc, "//h1", xmlValue)
#Get Note Title Anchors
html.tAnchors<-xpathApply(doc, "//a[@name]", xmlGetAttr, "name")
#Get Note Creation Date
html.Dates<-xpathApply(doc, "//table[@bgcolor]/tr/td/i", xmlValue)

这里是示例HTML EverNote导出的fiddle。 

我在解析

1。注释内容

和2。笔记本内超链接。仔细看一下代码，很明显，第一部分的解决方案是返回每个最上层的* div，该div

不包括

包括一个具有属性bgcolor =“＃D4DDE5的表”。 这是如何完成的？Duncan说可以根据NOT条件使用XPath解析XML：

“它允许我们表达诸如“找到所有名为a的节点”或“找到没有命名为b的属性的所有命名为a的节点”或“具有等于'bob'的属性b的节点a”之类的东西。或“找到具有c的所有节点a作为>祖先节点”

但是他没有继续描述XML包如何解析例外...所以我被困在那里。

解决第二部分，考虑同一笔记本中其他笔记的锚点格式：

<a href="#13178">

这些目标旨在获得其编号，但是这很困难，因为它们仅通过#前缀与www链接区分开。关于如何通过对它们的值进行部分匹配（在这种情况下为#）来解析这些特定锚点的信息很少-甚至可能需要grep（）。 
[如何使用XML包解析这些特殊的hrefs？

我在这里描述了这两个问题，因为第一部分的解决方案可能对第二部分有所帮助...但是也许我错了。 有任何建议吗？

UPDATE 1

按照最上面的div，我想说最外面的div。 EverNote HMTL导出中每个注释的内容都位于DOM最外部的div中。因此，感兴趣的是

返回不包含具有属性bgcolor =“＃D4DDE5。”的表的每个最外面的div。“

最亲爱的StackOverflow朋友，我正在使用EverNote输出的HTML，需要解析以下内容：注释标题注释锚点（注释本身的超链接身份）注释创建...

Answer 1

“ ....以返回不包含属性为bgcolor =”＃D4DDE5的表的每个最上面的div。“

这是如何完成的？