获取 url 中的字符串（网页抓取）答案

【问题标题】：get string in url (web scraping)获取 url 中的字符串（网页抓取）
【发布时间】：2014-12-15 14:37:15
【问题描述】：

我不熟悉网络抓取，尽管我在少数情况下设法获得了一些内容。然而，这一次虽然我的问题看起来很简单，但我无法在网页中获得包含符号、名称和市场的字符串。也就是说，我想得到字符串“Merck KGaA (MRK.DE) -XETRA”在 url 中。我尝试了以下代码，它返回几个表，但我无法获得我正在寻找的部分：

url <- 'https://finance.yahoo.com/q?s=MRK.DE&ql=0'
require(httr)
require(XML)
table <- readHTMLTable(content(GET(url)),header=TRUE)

【问题讨论】：

标签： xml r httr

【解决方案1】：

这可能不是这里最有效的脚本，但它肯定会起作用：

library(rvest)
library(magrittr)
library(stringr)

html(url) %>%
  html_nodes("h2") %>%
  extract2(3) %>%
  as('character') %>%
  str_replace('<h2>', '') %>%
  str_replace('</h2>', '')

[1] "Merck KGaA (MRK.DE)"

【讨论】：

非常感谢您的帮助。您知道为什么字符串没有被更直接的调用（例如我尝试过的调用）捕获吗？一方面，如果可能的话，我想使用基本 R 或一些标准包，例如 XML 或 httr/RCurl。另一方面，代码越简单越好。
rvest 实际上是 Hadley 最近发布的一个包，用于从 Python 镜像 Beautiful Soup。如果没有强大的 HTML 工作知识，我发现它是最直观的。在您的示例中，readHTMLTable 只会从给定页面中抓取表格数据，并且看起来不像“默克...”位于表格中。
你可以简单一点：html(url) %>% html_nodes("h2") %>% html_text() %>% .[[3]]
感谢@hadley 的澄清！我绝对更喜欢你的回答。当我遇到这个问题时，我还在修补你的包裹。一如既往，感谢您让我的生活更轻松。 :)