通过 rvest 在网络抓取中获取电子邮件地址

Question

您好，我正在尝试通过使用包 rvest 以 R 语言抓取网页来获取有关此网页的少量信息。我得到了名字和一切，但我无法获得电子邮件 ID，即 info@brewhemia.co.uk。如果我在 read_html 中看到文本，我在 html 解析文本中看不到电子邮件 ID。有人可以帮忙吗？我是网络抓取的新手。但我知道 R 语言。

link <- 'https://food.list.co.uk/place/22191-brewhemia-edinburgh/'
page <- read_html(link)
name_html <- html_nodes(page,'.placeHeading')
business_adr <- html_text(adr_html)
tel_html <- html_nodes(page,'.value')
business_tel <- html_text(tel_html)

电子邮件 ID 在“a”html 标记中，但我无法提取它。

Answer 1

这里需要一个 javascript 引擎来处理 js 代码。幸运的是，R 得到了V8。

安装V8包后修改你的代码：

library(rvest)
library(V8)

link <- 'https://food.list.co.uk/place/22191-brewhemia-edinburgh/'
page <- read_html(link)
name_html <- html_nodes(page,'.placeHeading')
business_adr <- html_text(adr_html)
tel_html <- html_nodes(page,'.value')
business_tel <- html_text(tel_html)

emailjs <- page %>% html_nodes('li') %>% html_nodes('script') %>% html_text()
ct <- v8()

read_html(ct$eval(gsub('document.write','',emailjs))) %>% html_text()

输出：

> read_html(ct$eval(gsub('document.write','',emailjs))) %>% html_text()
[1] "info@brewhemia.co.uk"