从网站中提取足球比分

【问题标题】：Extracting soccer scores from website从网站中提取足球比分
【发布时间】：2013-10-20 16:33:47
【问题描述】：

我正在尝试从http://www.rsssf.com/tablese/eng2014.html 中提取一些数据，例如联赛排名以及每一轮的得分到 R 中。

我知道我正在尝试使用 XML，可以使用 RCurl 包，但我不完全确定这样做的方法。

参考这个： Scraping html tables into R data frames using the XML package

library(XML)
theurl <- "http://en.wikipedia.org/wiki/Brazil_national_football_team"
tables <- readHTMLTable(theurl)
n.rows <- unlist(lapply(tables, function(t) dim(t)[1]))
the picked table is the longest one on the page

tables[[which.max(n.rows)]]

我仍然无法在网站上获得表格。如果有人可以帮助我，我真的很感激。谢谢！

【问题讨论】：

标签： xml r curl web

【解决方案1】：

您遇到问题的原因是给定的表格不是 HTML 表格。您可以通过在浏览器中使用查看页面源来查看。下面是一些代码，可帮助您开始提取表中的数据并将其放入数据框中。

dat = readLines('http://www.rsssf.com/tablese/eng2014.html', warn = F)
start = grep('Table', dat)[1] + 2
end = grep('Round', dat)[1] - 2
dat2 <- dat[start:end]

dat3 = read.fwf(textConnection(dat2), widths = c(3, 24, 3, 3, 3, 3, 8, 3))
dat3[dat3$V1 != "---",]

【讨论】：

非常感谢您对我的帮助！另一个问题，你知道如何提取每轮的得分（联赛积分表下方的数据）吗？
您可以通过检测数据的开始（Round * ...）、提取每一轮的文本表并将read.fwf 应用于每个表来实现。我建议编写一个函数来为特定回合执行此操作，然后使用lapply 循环。