如何使用 rvest 在 R 中提取维基百科 table 的特定元素？

Question

例如，对于 NYC，我想从信息框（右侧的 table）中提取网站。

我正在使用这个：

url = "https://en.wikipedia.org/wiki/New_York_City"
page = read_html(url)

links = page %>%
  html_nodes("table tr a")

但这是错误的。

Answer 1

使用 xpath 您可以首先通过其 class 名称 infobox 获取信息框，然后通过其标签名称 a.

获取所有链接

library("rvest")

url <- "https://en.wikipedia.org/wiki/New_York_City"
infobox <- url %>%
  read_html() %>%
  html_nodes(xpath='//table[contains(@class, "infobox")]//a')

print(infobox)

输出

{xml_nodeset (81)}
 [1] <a href="/wiki/City_(New_York)" class="mw-redirect" title="City (New York)">City</a>
 [2] <a href="/wiki/File:NYC_Montage_2014_4_-_Jleon.jpg" class="image" title="Clockwise, from top: Midtow ...
 [3] <a href="/wiki/Midtown_Manhattan" title="Midtown Manhattan">Midtown Manhattan</a>
 [4] <a href="/wiki/Times_Square" title="Times Square">Times Square</a>
 [5] <a href="/wiki/Unisphere" title="Unisphere">Unisphere</a>
...

如何使用 rvest 在 R 中提取维基百科 table 的特定元素？

How can I extract a particular element of Wikipedia table in R using rvest?

r

web-scraping

rvest