Question

我正在尝试从this site上的表格中抓取一些高中体育成绩，但是rvest html_table（）函数什么也不返回……只是一个空列表。数据似乎显然位于 table 标记内，所以我认为这很简单，但事实并非如此。

html_data <- read_html("https://highschoolsports.nj.com/boysbasketball/schedule/2020/01/09")
html_data %>% html_table(html_data)

任何有关如何提取此表的帮助或建议，将不胜感激！

Answer 1

您看到的表是使用javascript动态生成的。该页面向xhr请求发送一个json文件，该文件包含表中的所有数据（还有很多您看不到的数据）。

您需要做的是请求json文件，对其进行解析并提取所需的元素。以下脚本将为您完成此任务：

library(tidyverse)
library(httr)
library(rjson)

"https://highschoolsports.nj.com/siteapi/games/schedule" %>%
modify_url( query = list( viewStart      = "1/9/2020",
                          sportId        = "15",
                          schoolId       = "",
                          scheduleYearId = ""))          %>%
GET()                                                    %>%
content("text")                                          %>%
fromJSON()                                               %>%
`[[`("games")                                            %>%
lapply(function(x) data.frame(x$gameDate, x$name))       %>%
{do.call("rbind", .)}                                    %>%
as_tibble                                                 ->
result

print(result)
#> # A tibble: 324 x 2
#>    x.gameDate          x.name                                            
#>    <fct>               <fct>                                             
#>  1 2020-01-09T00:00:00 Manville (43) at Pingry (77)                      
#>  2 2020-01-09T00:00:00 Eastern (41) at Cherokee (54)                     
#>  3 2020-01-09T00:00:00 Woodbridge (31) at Colonia (54)                   
#>  4 2020-01-09T00:00:00 Phillipsburg (64) at Bridgewater-Raritan (71)     
#>  5 2020-01-09T05:30:00 Asbury Park (44) at Point Pleasant Beach (50)     
#>  6 2020-01-09T07:00:00 Montclair Immaculate (78) at Newark East Side (49)
#>  7 2020-01-09T15:45:00 Christian Brothers (67) at Howell (62)            
#>  8 2020-01-09T16:00:00 West Caldwell Tech (59) at Weequahic (60)         
#>  9 2020-01-09T16:00:00 Scotch Plains-Fanwood (20) at Westfield (55)      
#> 10 2020-01-09T16:00:00 Summit (59) at Cranford (44)                      
#> # ... with 314 more rows

如果您在json中进行挖掘，很容易获得各个分数等，因此，如果要在数据框架列中使用包含此数据的表，则可以更改lapply命令中的函数以选择您想要在数据框中输入的内容。

使用RVest进行抓取-数据具有<table>标记，但未使用html_table（）找到

1 个答案: