R绘制文章标题词云

数据和问题

见：把tcga大计划的CNS级别文章标题画一个词云

词云绘制

关于词云绘制较详细的步骤可以参考，之前的博文 https://blog.csdn.net/shy_321/article/details/120567111

2018的TCGA的泛癌项目论文

获取数据

文章的标题都在该网页里，
(https://www.cell.com/pb-assets/consortium/pancanceratlas/pancani3/index.html )
可以选择使用复制粘贴的方式(数据不是很多) 或者， 直接解析该网页html的内容，提取标题。
这里采用网页解析的方式。

install.packages("rvest") ###rvest 是R中的一个爬虫包

library(rvest)

### 读取网页， 本来 read_html是可以直接输入url的
### 但是，可能网络原因，或者其他原因把，并不能成功读取
### 所以手动在浏览器上打开 https://www.cell.com/pb-assets/consortium/pancanceratlas/pancani3/index.html ，
### 然后保存网页为tcga_cancer.html， 在读取
html <- read_html("tcga_cancer.html")

#### 这两行，是为了得到标题内容
sections <- html %>% html_nodes("section")
titles <- sections[2:4]  %>%
    html_nodes("ul > li.journal + li > a")  %>% html_text()

titles    
-----------