如何在 rvest 中跟踪具有特定 id 的元素的链接？答案

【问题标题】：How to follow link of element with a certain id in rvest?如何在 rvest 中跟踪具有特定 id 的元素的链接？
【发布时间】：2018-08-27 04:57:20
【问题描述】：

我正在浏览这个网站：

https://uws-community.symplicity.com/index.php?s=student_group

所以网站上的每个俱乐部都有一个特定的 ID，还有一个“更多信息”链接。我已经找到了一种从 div.grpl-grp.clearfix 类中抓取每个 ID 的方法，但我想使用这些 ID 从元素的“更多信息”链接（例如 fb 链接）中抓取数据用那个特定的 id。

这样做的语法是什么？

【问题讨论】：

标签： r web-scraping data-science rvest

【解决方案1】：

“更多信息”文本的类别为“grpl-moreinfo”，链接位于<a> 标记中。所以我们可以做

library(rvest)

url <- 'https://uws-community.symplicity.com/index.php?s=student_group'
page <- html_session(url)
html_nodes(page, "li.grpl-moreinfo a") %>% html_attr("href")

#[1] "?mode=form&id=5bf9ea61bc46eaeff075cf8043c27c92&tab=profile"
#[2] "?mode=form&id=17e4ea613be85fe019efcf728fb6361d&tab=profile"
#[3] "?mode=form&id=d593eb48fe26d58f616515366a1e677b&tab=profile"
...

这也可以在一个链操作中完成：

url %>%
  read_html() %>%
  html_nodes("li.grpl-moreinfo a") %>%
  html_attr("href")

#[1] "?mode=form&id=5bf9ea61bc46eaeff075cf8043c27c92&tab=profile"
#[2] "?mode=form&id=17e4ea613be85fe019efcf728fb6361d&tab=profile"
#[3] "?mode=form&id=d593eb48fe26d58f616515366a1e677b&tab=profile"
...

【讨论】：