rvest 和 NHL 统计数据的 Css 选择器问题

Question

我想从 hockey-reference.com 抓取数据，特别是从这个链接：

https://www.hockey-reference.com/leagues/NHL_1991.html

我想要第 4 个表，称为“团队统计数据”，并且我还想减去第一行和最后一行（但这可以是另一次）。

最初，我希望抓取 1991 年的链接，但我希望最终抓取 1991 年到 2017 年的每个链接。

library(tidyverse)
library(rvest)

stat_urls <- "https://www.hockey-reference.com/leagues/NHL_1991.html"

为了简单起见，我现在只有 1991 年的链接。在使用实际网页的“检查”源进行了相当彻底的搜索之后，即使我尝试了多种不同的选择，我似乎也找不到正确的 css 选择。我尝试了以下 CSS 选择：

table#stats.sortable.stats_table.now.sortable
#stats
#all_stats
#all_stats > div.table_outer_container
#stats
#stats > tbody
#div_stats (and all sorts of combos with this one)

在以下代码中使用时，这些都不起作用：

team_stats <- stat_urls %>% 
 read_html() %>%
 html_nodes("#stats") %>% 
 html_table(header = T)

所有使用“xpath=”的尝试也都失败了。对此的任何帮助都将是绝对惊人的，Go Preds！

---

Answer 1

您可以尝试使用 RSelenium。在这里看到了类似的答案：Web Scraping Basketball Reference using R。

library(rvest)
library(RSelenium)
startServer() 
remDr<-remoteDriver(browserName = "chrome")
remDr$open()

remDr$navigate("https://www.hockey-reference.com/leagues/NHL_1991.html")
page <- read_html(remDr$getPageSource()[[1]])
table <- html_table(page, fill = TRUE)
table[[28]]

虽然安装 selenium 很痛苦，但我也会尝试帮助解决这个问题，但我是前一段时间安装的，所以不太记得了。祝你好运

---

来自发布原始问题的人：

上述答案有效，但我必须通过 Homebrew：

https://brew.sh/

然后我不得不从这里使用以下代码：

Using Selenium on Mac Chrome

# download selenium jar
curl -L0 https://selenium-release.storage.googleapis.com/3.9/selenium- 
server-standalone-3.9.1.jar -o selenium-server-standalone.jar

# install chromedriver
brew install chromedriver

# start chrome driver
brew services start chromedriver                                                                                                                                                                      
#==> Successfully started `chromedriver` 
(label:homebrew.mxcl.chromedriver)

# start selenium server
java -jar selenium-server-standalone.jar                                                                                                                                                                           
#14:38:20.684 INFO - Selenium build info: version: '3.9.1', revision: 
'63f7b50'
#14:38:20.685 INFO - Launching a standalone Selenium Server on port 
4444