Question

这个问题需要一些时间来介绍，请耐心等待。如果你能到达那里，解决它会很有趣。这个scrape将使用循环在本网站的数千页上复制。

我正在试图抓住网站http://www.digikey.com/product-detail/en/207314-1/A25077-ND/，希望用Digi-Key零件编号，可用数量等来捕获表格中的数据。包括价格突破，单价，延长价格的右侧。

使用R函数readHTMLTable（）不起作用，只返回NULL值。这个（我相信）的原因是因为网站使用html代码中的“aspNetHidden”标签隐藏了它的内容。

由于这个原因，我也发现使用htmlTreeParse（）和xmlTreeParse（）时出现困难，整个部分没有出现在结果中。

中的R函数scrape（）

require(scrapeR)

URL<-scrape("http://www.digikey.com/product-detail/en/207314-1/A25077-ND/")

会返回完整的html代码，包括感兴趣的行：

<th align="right">Digi-Key Part Number</th>
<td id="reportpartnumber">
<meta itemprop="productID" content="sku:A25077-ND">A25077-ND</td>

<th>Price Break</th>
<th>Unit Price</th>
<th>Extended Price
</th>
</tr>
<tr>
<td align="center">1</td>
<td align="right">2.75000</td>
<td align="right">2.75</td>

但是，我无法从这段代码中选择节点并返回错误：

no applicable method for 'xpathApply' applied to an object of class "list"

我使用不同的功能收到了错误，例如：

xpathSApply(URL,'//*[@id="pricing"]/tbody/tr[2]')

getNodeSet(URL,"//html[@class='rd-product-details-page']")

我不是最熟悉的xpath，但是已经使用网页上的inspect元素识别xpath并复制xpath。

非常感谢你能给予的任何帮助！

Answer 1

你没有看过刮刮的帮助吗？它返回一个列表，你需要获取该列表的一部分（如果parse = TRUE），依此类推。

另外我认为网页正在做一些沉重的浏览器检测。如果我从命令行尝试wget页面，我会得到一个错误页面，scrape函数可以获得一些可用的东西（但似乎与你不同），Chrome会获得包含所有编码内容的完整垃圾。呸。这对我有用：

> URL<-scrape("http://www.digikey.com/product-detail/en/207314-1/A25077-ND/")
> tables = xpathSApply(URL[[1]],'//table')
> tables[[2]]
<table class="product-details" border="1" cellspacing="1" cellpadding="2">
  <tr class="product-details-top"/>
  <tr class="product-details-bottom">
    <td class="pricing-description" colspan="3" align="right">All prices are in US dollars.</td>
  </tr>
  <tr>
    <th align="right">Digi-Key Part Number</th>
    <td id="reportpartnumber"><meta itemprop="productID" content="sku:A25077-ND"/>A25077-ND</td>
    <td class="catalog-pricing" rowspan="6" align="center" valign="top">
      <table id="pricing" frame="void" rules="all" border="1" cellspacing="0" cellpadding="1">
        <tr>
          <th>Price Break</th>
          <th>Unit Price</th>
          <th>Extended Price&#13;
</th>
        </tr>
        <tr>
          <td align="center">1</td>
          <td align="right">2.75000</td>
          <td align="right">2.75</td>

调整你的用例，在这里我得到所有的表并显示第二个表，其中包含你想要的信息，其中一些表可以在pricing表中直接获得：< / p>

pricing = xpathSApply(URL[[1]],'//table[@id="pricing"]')[[1]]

> pricing
<table id="pricing" frame="void" rules="all" border="1" cellspacing="0" cellpadding="1">
  <tr>
    <th>Price Break</th>
    <th>Unit Price</th>
    <th>Extended Price&#13;
</th>
  </tr>
  <tr>
    <td align="center">1</td>
    <td align="right">2.75000</td>
    <td align="right">2.75</td>
  </tr>

等等。

R-Advanced Web Scraping - 使用xmlTreeParse（）绕过aspNetHidden

1 个答案: