Question

我想抓住亚马逊的客户评论，如果没有“缺失”信息我的代码工作正常，如果缺少部分数据，将已删除的数据转换为数据框不再有用（参数意味着不同行数）。

这是一个示例代码：

Collections.frequency

在这种情况下，“缺失”表示没有为多个客户评论提供作者信息（ Ein Kunde 仅表示德语客户）。

有没有人知道如何解决这个问题？任何帮助表示赞赏。提前谢谢！

Answer 1

会说这是您的问题的答案（link）

每个人都在 'div[id*=customer_review]' 然后检查作者是否有该值。

Answer 2

根据提供的Nardack链接调整方法，我可以使用以下代码来搜索数据：

library(dplyr)
library(rvest)

get_reviews <- function(node){

  r.title <- html_nodes(node, ".a-color-base") %>%
    html_text() 

  r.author <- html_nodes(node, ".author") %>%
    html_text() 

  df <- data.frame(
    title = ifelse(length(r.title) == 0, NA, r.title),
    author = ifelse(length(r.author) == 0, NA, r.author), 
    stringsAsFactors = F)

  return(df)  
}

url <- read_html("https://www.amazon.de/product-reviews/3980710688/ref=cm_cr_dp_d_show_all_btm?ie=UTF8&reviewerType=all_reviews&pageNumber=42&sortBy=recent") %>% html_nodes("div[id*=customer_review]")
out <- lapply(url, get_reviews) %>% bind_rows()

使用缺失数据刮取亚马逊客户评论

2 个答案: