使用 javascript 链接抓取网页

Question

我正在使用 R 进行网页抓取。我需要的信息在this webpage.的链接中 但是当我单击时，链接会转到我所在的同一页面。如何在这些其他链接之后抓取信息，直到获得包含所需信息的表格？几个月前我开始使用 R，我知道 httr、Curl 和其他包，但我无法抓取这个网页。我需要这样的输出（通过单击“Todo el territorio”和 Tipo de estudios:“Bachillerato”）：

Provincia|Localidad|Denominacion Generica|Denominacion Especifica|Codigo|Naturaleza
Almería|Adra|Instituto de Educación Secundaria|Abdera|04000110|Centro público
Almería|Adra|Instituto de Educación Secundaria|Gaviota|04000134|Centro público

...

这将是我使用 Selenium 包的一般脚本，但它不起作用，我接受任何选项：

library(RSelenium)
library(XML)
library(magrittr)

RSelenium::checkForServer()
RSelenium::startServer()
remDrv <- RSelenium::remoteDriver(remoteServerAddr = "localhost", port = 4444, browserName = "chrome")
remDrv$open()

remDrv$navigate('https://www.educacion.gob.es/centros/selectaut.do')
remDrv$findElement(using = "xpath", "//select[@name = '.listado-inicio']/option[@value = ('02','00')]")$clickElement()

...

或类似的东西。我在 stackoverflow 中找到了与此脚本类似的东西来寻找其他主题，但我什么也没得到。我接受其他脚本的其他解决方案。 非常感谢。

Answer 1

使用“RSelenium”浏览您可以做的网站：

library(RSelenium)
library(rvest)
#start RSelenium
checkForServer()
startServer()
remDr <- remoteDriver()
remDr$open()

remDr$navigate('https://www.educacion.gob.es/centros/selectaut.do')

#Click on the todo el territorio link
remDr$findElement(using = "xpath", "//a[text()='Todo el territorio']")$clickElement()

#select the Bachillerato option (has a value of 133) and click on the search button
remDr$findElement(using = "xpath", "//select[@id='comboniv']/option[@value='133']")$clickElement()
remDr$findElement(using = "xpath", "//input[@id='idGhost']")$clickElement()

#Click on the show results button
remDr$findElement(using = "xpath", "//input[@title='Buscar']")$clickElement()

#parse the html and get the table
doc <- htmlParse(remDr$getPageSource()[[1]],encoding="UTF-8")
data <- readHTMLTable(doc)$matcentro