RVEST - 从表格中提取文本 - 访问正确表格的问题

Question

我想提取本网页右上角表格中的值：

https://www.timeanddate.de/wetter/deutschland/karlsruhe/klima

（Wärmster Monat：VALUE，Kältester Monat：VALUE，Jahresniederschlag：VALUE）

不幸的是，如果我使用 html_nodes("Selectorgadgets result for the specific value")，我会收到链接顶部表格的值：

https://www.timeanddate.de/stadt/info/deutschland/karlsruhe

（网页类似，如果您点击顶部栏上的“Uhrzeit/Übersicht”，您将访问第二页和表格，如果您点击“Wetter”-->“Klima”，您将访问第一页/表格（我想从中提取值的那个！）

 num_link= "https://www.timeanddate.de/wetter/deutschland/Karlsruhe/klima"


  num_page= read_html(num_link)


  rain_year = num_page %>% html_nodes("#climateTable > div.climate-month.climate-month--allyear > div:nth-child(3) > p:nth-child(1)") %>% html_text()

  temp_warm = num_page %>% html_nodes("#climateTable > div.climate-month.climate-month--allyear > div:nth-child(2) > p:nth-child(1)") %>% html_text()

  temp_cold = num_page %>% html_nodes("#climateTable > div.climate-month.climate-month--allyear > div:nth-child(2) > p:nth-child(1)") %>% html_text()
    

我得到每个变量的“字符（空）”。 :(

提前致谢！

Answer 1

你可以在rvest中使用html_table函数，现在已经很不错了。使其更容易提取，但我确实建议学习识别正确的 css 选择器，因为它并不总是有效。 html_table 总是从网页返回一个包含所有表格的列表，所以在这种情况下，步骤是：

1. 获取html
2. 获取表格
3. 索引右表（这里只有一个）
4. 重新格式化以提取值

library(rvest)
library(tidyverse)


result <- read_html("https://www.timeanddate.de/wetter/deutschland/karlsruhe/klima") %>%  
  html_table() %>% 
  .[[1]] %>% 
 rename('measurement' = 1,
        'original' = 2) %>% 
  mutate(value_num = str_extract_all(original,"[[:digit:]]+\\.*[[:digit:]]*") %>% unlist())