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!
答案 0 :(得分: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。
答案 1 :(得分:0)
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()