Question

根据documentation，html_nodes()中的rvest应该返回（引用）应用于节点列表时，html_nodes（）返回所有节点，将结果折叠到新的节点列表中。

因此，在我的情况下，它返回一个字符串，其中每个节点都折叠。为什么会这样？通过调试，我无法获得任何意义上的更改。它总是返回相同的字符串，其中页码会折叠：

123456789101112131415 ... 4950

library(tidyverse)  
library(rvest)    
library(stringr)   
library(rebus)     
library(lubridate)

url <-'https://footballdatabase.com/ranking/world/1'
html <read_html(url)

get_last_page <- function(html){
  pages_data <- html %>% 
    # The '.' indicates the class
    html_nodes('.pagination') %>% 
    # Extract the raw text as a list
    html_text()                   
  # The second to last of the buttons is the one
  pages_data[(length(pages_data)-1)] %>%            

    unname() %>%                                     
    # Convert to number
    as.numeric()                                     
}

我也尝试用list()征集输出，但没有大运。 html_node()也无法解决问题。

Answer 1

只有一个使用选择器'.pagination'提取的节点，因此当应用html_text()时，该节点中的所有文本将一起折叠在一起。更改CSS选择器以包括锚点，然后提取文本，以便分别为每个节点返回向量。

html %>%
  html_nodes('.pagination a') %>%
  html_text()

 [1] "1"  "2"  "3"  "4"  "5"  "6"  "7"  "8"  "9"  "10" "11" "12" "13" "14" "15" "16" "17" "18" "19" "20" "21" "22" "23" "24" "25" "26" "27" "28" "29" "30" "31" "32"
[33] "33" "34" "35" "36" "37" "38" "39" "40" "41" "42" "43" "44" "45" "46" "47" "48" "49" "50"

rvest返回字符串而不是列表

1 个答案: