我正在研究zomato.com'它向我们展示了世界各地的餐馆。它向我们展示了菜单,声誉,照片和其他信息。
我们希望抓取有关姓名,评级_投票,地址,美食,价格等所有信息。墨尔本的餐馆。
我们可以在' https://www.zomato.com/melbourne/restaurants'
上完善这些信息但是我们通过整合上面的所有5个变量来制作数据帧存在问题。原因是变量的一些结果' Price'没有价值(其他5个变量各有150个值,但价格有144个值)。
我们应该统一每个变量的结果数量,以作为数据帧进行整合。我们需要执行此步骤,因为我们将使用excel分析爬网结果。我们希望将NA值赋予不具有任何结果的值(省略价格的6个值)
你能否给我一个答案,我可以给出所有变量的NA值 在数据框中
这是我们的代码。
install.packages("rvest")
install.packages("dplyr")
install.packages("writexl")
install.packages("stringr")
install.packages("data.table")
install.packages("tidyr")
library("rvest")
library("dplyr")
library("writexl")
library("stringr")
library("data.table")
library("tidyr")
#url
url <- "https://www.zomato.com/melbourne/restaurants?page="
page <- c(1:941)
zomato_url <- c()
for (i in 1:941){
zomato_url[i] <- paste0(url,page[i])
}
#variable tp collect
name <- c()
rating_vote <- c()
address <- c()
cuisine <- c()
price <- c()
for(i in 1:10){
html <- read_html(zomato_url[i])
name <- c(name, html_nodes(html, ".result-
title.hover_feedback.zred.bold.ln24.fontsize0")%>%
html_text(trim=T))
rating_vote <- c(rating_vote, html_nodes(html, ".ta-
right.floating.search_result_rating.col-s-4.clearfix")%>%
html_text(trim=T))
address <- c(address, html_nodes(html, ".col-m-16.search-result-
address.grey-text.nowrap.ln22")%>%
html_text(trim=T))
cuisine <- c(cuisine, html_nodes(html, ".col-s-11.col-m-12.nowrap.pl0")%>%
html_text(trim=T))
price <- c(price, html_nodes(html, ".res-
cost.clearfix")%>%html_nodes(".col-s-11.col-m-12.pl0")%>%
html_text(trim=T))
print(i)
}
#making data frame
outcome <- data.frame(name, rating_vote, address, cuisine, price)
#importing to excel
write_xlsx(outcome, path="C:/Users/helen.DESKTOP-
SG9LJPT/Desktop/outcome.xlsx")
答案 0 :(得分:0)
在报废前使用一个条件。
使用标题html节点之后的条件。如果在标题节点下可用的价格节点然后废弃并放入一个列表,然后将其附加到数据框中。
您也可以使用xpath。如果使用xpath,将更容易检查条件。