タグも含めてスクレイピングしたい、サイトの<hr>タグで文章を分割したい

今回やりたいことが、サイトにある文章を<hr>ごとに文章を分割して保存したいです。そこで、スクレイピングで<hr>も含めて取得して、<hr>をフラグとして分割しようかと考えています。
ただ、現在のコードではタグは全て削除されてしまいます。タグも削除されたないようにするにはどうしたら良いでしょうか。
また、このやり方以外にもっといい方法がありましたら、教えてください。

現在作成したコードが以下です。

R
1コード
2data <- read_html("https://path/test.html")
3x_n <-html_nodes(data,"blockquote") %>%
4      html_text()

サイトは以下のようになっています。

HTML
1コード
2<blockquote>
3文章.文章.文章.文章.
4文章.文章.文章.文章.
5
6<hr>
7文章.文章.文章.文章.
8文章.文章.文章.文章.
9
10<hr>
11文章.文章.文章.文章.
12文章.文章.文章.文章.
13
14</blockquote>
15

今作成したコードだと取得結果はタグが全て消えてしまいます。

取得結果

文章.文章.文章.文章.
文章.文章.文章.文章.

文章.文章.文章.文章.
文章.文章.文章.文章.

文章.文章.文章.文章.
文章.文章.文章.文章.

行動規範の内容に同意します

回答2件

ベストアンサー

stringr::str_split を使うと以下の様になります。

r
1library(rvest)
2library(stringr)
3
4data <- read_html("https://path/test.html")
5x_n <- data %>%
6       html_nodes("blockquote") %>%
7       as.character() %>%
8       str_split("(<hr>|</?blockquote>)\n*") %>%
9       unlist() %>% .[-c(1, length(.))]
10x_n
11
12#
13[1] "文章.文章.文章.文章.\n文章.文章.文章.文章.\n\n"
14[2] "文章.文章.文章.文章.\n文章.文章.文章.文章.\n\n"
15[3] "文章.文章.文章.文章.\n文章.文章.文章.文章.\n\n"