RVest：从超市网页中提取 class 内的标签内容

Question

我正在尝试使用 Rvest 抓取一个网站，但我被卡住了，找不到解决方案。我设法在 R 中成功加载页面并提取了我想要的 HTML 部分，但我无法获得我想要的数据。

我要刮的HTML片（不是真的URL）是：

<a class="open-modal" data-id="53357" href="http://www.website.com.ar/product_1.html">
<img id="prod-image-53357" src="https://www.website.com.ar/media/98989898.jpg"
                           alt="insecticide 360 cc" />
</a>

我的代码：

library("rvest")
library("xml2")

url <- "https://www.website.com.ar/limpieza.html"
page <- read_html(url)
d <-page %>% html_nodes(" .open-modal")

如果我检查对象 d，例如 d[[4]]，我得到：

{html_node}
<a class="open-modal" data-id="53357" href="https://www.website.com.ar/product_1.html">
[1] <img id="prod-image-53357" src="https://www.website.com.ar/media/98989898.jpg
alt="insecticide 360 cc" />

我想将 href、alt 和 src 提取为文本并将它们转换为数据框...

我试过：

d <-page %>% html_nodes(" .open-modal") %>% html_text()

和

d <-page %>% html_nodes(" .open-modal") %>% html_text('href')

没有成功...

有什么帮助吗？提前致谢！

Answer 1

或许，你应该使用 html_attr :

library(rvest)
d <- page %>% html_nodes("a.open-modal") 
data.frame(href = d %>% html_attr('href'), 
           alt = d %>% html_attr('alt'),
           src = d %>% html_attr('src'))

RVest：从超市网页中提取 class 内的标签内容

RVest: extract tag content inside a class from a supermarket webpage

r

web-scraping

rvest