尝试使用 rvest 提取 r 包的链接

Question

我一直在尝试使用这个question 和这个tutorial 来获取available rpackages in cran 列表的表格和链接

获取html表格

我这样做是对的：

library(rvest)

page <- read_html("http://cran.r-project.org/web/packages/available_packages_by_name.html") %>% html_node("table") %>% html_table(fill = TRUE, header = FALSE)

试图获取链接

当我尝试获取链接时，我遇到了麻烦，我尝试将选择器小工具用于表的第一列（包链接）并且我得到了节点 td a，所以我尝试了这个：

test2 <- read_html("http://cran.r-project.org/web/packages/available_packages_by_name.html") %>% html_node("td a") %>%  html_attr("href") 

但我只获得了第一个链接，然后我想我可以从表格中获得所有 href 并尝试以下操作：

test3 <- read_html("http://cran.r-project.org/web/packages/available_packages_by_name.html") %>% html_node("table") %>%  html_attr("href") 

但是什么都没有，我做错了什么？

Answer 1

基本上，缺少一个“s”：使用html_nodes() 而不是html_node：

x <- 
  read_html(paste0(
    "http://cran.r-project.org/web/",
    "packages/available_packages_by_name.html")) 

html_nodes(x, "td a") %>% 
  sapply(html_attr, "href")