【发布时间】:2015-11-02 15:53:12
【问题描述】:
我想从 Wikipedia 上抓取一些表格数据。一些表格列包含指向我想保留的其他文章的链接。我试过this approach,它没有保留 URL。查看 html_table() 函数描述,我没有找到任何包含这些选项的选项。是否有其他软件包或方法可以做到这一点?
library("rvest")
url <- "http://en.wikipedia.org/wiki/List_of_The_Simpsons_episodes"
simp <- url %>%
html() %>%
html_nodes(xpath='//*[@id="mw-content-text"]/table[3]') %>%
html_table()
simp <- simp[[1]]
【问题讨论】:
-
“..保留 URL”是什么意思?我在这里看到的唯一方法是创建一个列并填写相关的 URL。
-
“保留”,意思是“我想保留的单元格中有一个 href 标签”。
标签: r web-scraping rvest