使用rvest（或其他R包）检测HTML段落的开头何时是不同的格式（例如emboldened）
我正在使用 R 包 edgarWebR 来解析 SEC 文件，例如https://www.sec.gov/Archives/edgar/data/1060224/000090480206000008/sa10k306.htm。它返回一个数据框，其中一列（称为“原始”）是 HTML。它将 HTML 页面分解为段落，每段一行：
| 其他栏目 | 生的 | 文本 |
|---|---|---|
| 第一排 | <p><font><i>We had a net loss of $1.</i><i><b>55</b></i><i> million for the year ended December 31, 201</i><i>6</i><i> and have an accumulated deficit of $</i><i>61.5</i><i> million as of December 31, 201</i><i>6</i><i>. To achieve sustainable profitability, we must generate increased revenue.</i></font></p> |
截至 2016 年 12 月 31 日止年度，我们的净亏损为 155 万美元，截至 2016 年 12 月 31 日的累计亏损为 6150 万美元。为了实现可持续盈利，我们必须增加收入。 |
| 第二排 | <div><font>We have a history of losses, and we cannot assure you that we will achieve profitability.</font></div> |
我们有亏损的历史，我们不能向您保证我们会实现盈利。 |
THE END
二维码