如何从r中的div类中的锚标记中提取文本

Question

我正在尝试从嵌入在 div 标签中的锚标签中获取文本。以下是网站链接`http://mmb.moneycontrol.com/forum-topics/stocks-1.html

我要提取的文字是Mawana Sugars

<a href="/forum-topics/stocks/mawana-sugars-245010.html" class="op_bld16 anch_pb7">Mawana Sugars</a>

所以我想提取该网站上列出的所有股票名称及其描述。

这是我在 R 中的尝试

doc <- htmlParse("http://mmb.moneycontrol.com/forum-topics/stocks-1.html")
xpathSApply(doc,"//div[@class='clearfix PR PB5']//text()",xmlValue)

但是，它不返回任何东西。我如何在 R 中做到这一点？

Answer 1

我的回答和我刚才给here的回答基本一样。

数据是动态加载的，不能直接从html中获取。但是，以 Chrome DevTools 中的“网络”为例，我们可以在 http://mmb.moneycontrol.com/index.php?q=topic/ajax_call&section=get_messages&offset=&lmid=&isp=0&gmt=cat_lm&catid=1&pgno=1 找到格式良好的 JSON

让您开始：

library(jsonlite)
dat <- fromJSON("http://mmb.moneycontrol.com/index.php?q=topic/ajax_call&section=get_messages&offset=&lmid=&isp=0&gmt=cat_lm&catid=1&pgno=1")

输出如下：

dat[1:3, c("msg_id", "user_id", "topic", "heading", "flag", "price", "message")]
#     msg_id      user_id    topic  heading flag
# 1 47730730    liontrade     NMDC   Stocks  APR
# 2 47730726 agrawalknath Glenmark Glenmark  APR
# 3 47730725      bissy91  Infosys   Stocks  APR
#                                                  price
# 1 Price when posted :  BSE: Rs. 127.90 NSE: Rs. 128.15
# 2                 Price when posted :  NSE: Rs. 714.10
# 3 Price when posted :  BSE: Rs. 956.50 NSE: Rs. 955.00
#                                                                                                                        message
# 1                                                                         There is no mention of dividend in the announcement.
# 2                        Eagerly Waiting for 670 to 675 to BUY second phase of Buying in Cash Delivery. Already Holding @ 800.
# 3 6 ✂ ✂--Don t Pay High Brokerage While Trading. Take Delivery Free & Rs 20 to trade in any size - Join Today .? goo.gl/hDqLnm