R Web Scraping：网页不包含表格时的错误处理

Question

我在抓取网页时遇到了一些困难。具体来说，我正在抓取通常嵌入表格的网页。但是，对于没有嵌入表的实例，我似乎无法以不破坏循环的方式处理错误。

示例代码如下：

event = c("UFC 226: Miocic vs. Cormier", "ONE Championship 76: Battle for the Heavens", "Rizin FF 12")
eventLinks = c("https://www.bestfightodds.com/events/ufc-226-miocic-vs-cormier-1447", "https://www.bestfightodds.com/events/one-championship-76-battle-for-the-heavens-1532", "https://www.bestfightodds.com/events/rizin-ff-12-1538")
testLinks = data.frame(event, eventLinks)

for (i in 1:length(testLinks)) {
  print(testLinks$event[i])
  event = tryCatch(as.data.frame(read_html(testLinks$eventLink[i]) %>% html_table(fill=T)),
                   error = function(e) {NA})
}

第二个链接没有嵌入表格。我以为我会用我的 tryCatch 跳过它，但链接没有跳过它，而是打破了循环。

我希望找出一种方法来跳过没有表格的链接，但继续抓取列表中的下一个链接。要继续使用上面的示例，我希望 tryCatch 从第二个链接移动到第三个链接。

有什么帮助吗？非常感谢！

Answer 1

这里有一些问题需要解决。首先，您的链接被视为因素（您可以使用testLinks %>% sapply(class) 看到这一点，因此您需要使用as.chracter() 将它们转换为字符，我已经在下面的代码中完成了这一点。

其次，您需要将每个scrape分配给一个列表元素，因此我们在events <- list()的循环外部创建一个列表，然后将每个scrape分配给列表的一个元素在循环内部，即events[[i]] <- "something" 没有列表，您只需用第二个覆盖第一个抓取，用第三个覆盖第二个抓取，依此类推。

现在，当 url 不包含表格时，您的 tryCatch 将工作并分配 NA（不会出现错误）

events <- list()
for (i in 1:nrow(testLinks)) {
  print(testLinks$event[i])
  events[[i]] = tryCatch(as.data.frame(read_html(testLinks$eventLink[i] %>% as.character(.)) %>% html_table(fill=T)),
                   error = function(e) {NA})
}

events