Question

我正在用R中的rvest包练习网页抓取。到目前为止，这是一个很棒的指南。（http://zevross.com/blog/2015/05/19/scrape-website-data-with-the-new-r-package-rvest/）。使用工具选择器小工具我可以识别对我想要的项目的类或div元素引用（据我所知）。

所以我刚去维基百科，并试图提取美国总统名单。该页面的链接是https://en.wikipedia.org/wiki/List_of_Presidents_of_the_United_States。 Selector Gadget告诉我元素类/ div / ???? （不知道该怎么称呼它）是＆＃34;大a＆＃34;。

到目前为止，这是我的代码：

site = read_html("https://en.wikipedia.org/wiki/List_of_Presidents_of_the_United_States")
fnames = html_nodes(site,"big a")

部分输出是：

{xml_nodeset (44)}
 [1] <a href="/wiki/George_Washington" title="George Washington">George Washington</a>
 [2] <a href="/wiki/John_Adams" title="John Adams">John Adams</a>
 [3] <a href="/wiki/Thomas_Jefferson" title="Thomas Jefferson">Thomas Jefferson</a>
 [4] <a href="/wiki/James_Madison" title="James Madison">James Madison</a>
 [5] <a href="/wiki/James_Monroe" title="James Monroe">James Monroe</a>
 [6] <a href="/wiki/John_Quincy_Adams" title="John Quincy Adams">John Quincy Adams</a>
 [7] <a href="/wiki/Andrew_Jackson" title="Andrew Jackson">Andrew Jackson</a>
 [8] <a href="/wiki/Martin_Van_Buren" title="Martin Van Buren">Martin Van Buren</a>

大！所以我用链接提取了名字！我只是想要名字，所以我不知道如何继续这里。有没有办法轻松获取链接HTML代码之间的名称？或者我应该使用html_nodes函数来获取另一个元素？我觉得我很亲密！

感谢您的帮助。

Answer 1

名字有两个来源。 title属性和文本。它们的格式可能略有不同，或者可能包含中间首字母或其他内容。使用你最喜欢的那个。

html_attr(fnames, "title")

OR

html_text(fnames)

从R中的链接中提取标题

1 个答案: