使用 R 从网站中的表中抓取数据

Question

我正在尝试在 R 中学习网络抓取，并且我正在尝试从以下链接 List of Cuisines on Wiki 中的各种表中抓取数据。在页面的底部有几个表格，列出了不同种类的美食，我想分别阅读它们。我尝试使用 css-selectors，但我认为我使用错了这是我的代码 sn-p：

require(rvest)
require(magrittr)
connection = html_session("https://en.wikipedia.org/wiki/List_of_cuisines")
connection %>% html_nodes("table:nth-child(1) a") %>% html_text()
#This lists down all the links in every table there is on that website
#I also tried connection %>% html_nodes("table:nth-child(2) a") %>% html_text()
#which gave a different list altogether

我试图生成的输出应该类似于

1. 美食
   • 所有美食列表
2. 非洲美食
   • 非洲美食一览

等等，这个列表是从 HTML 表格中填充的。

我非常感谢一些指导。谢谢。

Answer 1

这使用 XPath 并为您获取所有单独的链接。我这样做是为了展示如何使用 XPath 进行“松散”的子目标定位（您也可以使用 CSS 选择器进行学位）。希望它足以让你思考去做你想做的事情。基本上你可以把它分成两个步骤，一个是获取单个表，另一个是获取它们下面的链接：

library(xml2)
library(rvest)

pg <- html_session("https://en.wikipedia.org/wiki/List_of_cuisines")

links <- html_nodes(pg, xpath="//table[contains(@class, 'navbox')]//
                                  table[contains(@class, 'nowraplinks')]//
                                   td[contains(@class, 'navbox-list')]//
                                    li/a")

length(links)
## [1] 1005

head(html_attr(links, "href"), 20)
##  [1] "/wiki/African_cuisine"                 
##  [2] "/wiki/North_African_cuisine"           
##  [3] "/wiki/West_African_cuisine"            
##  [4] "/wiki/List_of_African_cuisines"        
##  [5] "/wiki/Cuisine_of_the_Americas"         
##  [6] "/wiki/North_American_cuisine"          
##  [7] "/wiki/South_American_cuisine"          
##  [8] "/wiki/List_of_cuisines_of_the_Americas"
##  [9] "/wiki/Asian_cuisine"                   
## [10] "/wiki/Central_Asian_cuisine"           
## [11] "/wiki/South_Asian_cuisine"             
## [12] "/wiki/List_of_Asian_cuisines"          
## [13] "/wiki/Balkan_cuisine"                  
## [14] "/wiki/Bengali_cuisine"                 
## [15] "/wiki/Caribbean_cuisine"               
## [16] "/wiki/Caucasian_cuisine"               
## [17] "/wiki/European_cuisine"                
## [18] "/wiki/Central_European_cuisine"        
## [19] "/wiki/Eastern_European_cuisine"        
## [20] "/wiki/List_of_European_cuisines"