R：使用 RSelenium 捕获删除线文本

Question

我正在使用 RSelenium 从网站抓取数据 table。使用循环遍历许多页面。

下面的代码成功地抓取了有问题的 table（虽然失去了 UTFC 格式），但是在某些情况下 table 中的条目有一个“删除线”，在这种情况下忽略删除线并执行操作的代码（如果不存在）。

示例：

but records in R as

谁能帮助我在抓取 table 时如何保留删除线信息？

我的代码抓取 table:

Data_table_html <- remDr$getPageSource()[[1]] %>% 
                                  read_html() %>%
                                  html_table(header = FALSE, fill = TRUE)

我在这上面花了好几个小时，所以任何帮助或指点都会非常有帮助，

Answer 1

我想在下面分享我找到的解决方案。简而言之，识别 HTML 中具有 html_attr 作为“样式”的节点就可以了：

saving <- html_nodes((remDr$getPageSource()[[1]]), xpath='your xpath') %>% html_attr("style") %>% gsub("text-decoration:line-through;", "0", .) #%>% html_table(fill=TRUE)

R：使用 RSelenium 捕获删除线文本

R: Capturing Strike-Through Text Using RSelenium

r

html-table

web-scraping

rselenium