使用rvest从HTML表中进行Web抓取
使用rvest从HTML表中进行Web抓取
提问于 2018-06-16 01:29:11
我是web抓取的新手，我正在尝试抓取下表：
<table class="dp-firmantes table table-condensed table->striped">
<thead>
<tr>
<th>FIRMANTE</th>
<th>DISTRITO</th>
<th>BLOQUE</th>
</tr>
</thead>
<tbody>
<tr>
<td>ROMERO, JUAN CARLOS</td>
<td>SALTA</td>
<td>JUSTICIALISTA 8 DE OCTUBRE</td>
</tr>
<tr>
<td>FIORE VIÑUALES, MARIA CRISTINA DEL >VALLE</td>
<td>SALTA</td>
<td>PARES</td>
</tr>
</tbody>
</table>我使用的是rvest包，代码如下：
link <- read_html("https://www.hcdn.gob.ar/proyectos/resultados-buscador.html?")
table <- html_nodes(link, 'table.dp-firmantes table table-condensed table-striped')但是当我查看R中的'table‘对象时，我得到了以下错误：{xml_nodeset (0)}
我的直觉是，我实际上没有从表中抓取任何html内容，但我不知道如何解决这个问题/为什么会发生这种情况。我不确定错误是在我的R代码中，还是我使用了错误的CSS选择器，或者这可能是javascript代码而不是html？请告诉我我哪里做错了。
编辑:这是我正在使用的https://www.hcdn.gob.ar/proyectos/resultados-buscador.html链接
回答 1
Stack Overflow用户
发布于 2018-06-16 06:34:13
您可以尝试使用以下代码来解析包含"Listado de Autores“表的那些账单。例如，费用为n.820/18(链接= http://www.senado.gov.ar/parlamentario/comisiones/verExp/820.18/S/PL)的账单就有这个表，但我在网上搜索了前500张账单，没有找到任何包含此类数据的其他账单。
library(tidyverse)
library(rvest)
html_object <- read_html('http://www.senado.gov.ar/parlamentario/comisiones/verExp/820.18/S/PL')
html_object %>%
html_node(xpath = "//div[@id = 'Autores']/table") %>% # This is the xpath adress that worked for me. The CSS locator ypu provide did not work.
html_table() %>% as_data_frame() %>% ## Get the html table and store it in a tibble
mutate(X1 = gsub("\\n|\\t| ", "", X1)) ##Remove the extra line brakes (\\n), tabs (\\t), and spaces (" ") present in the html table.结果：
# A tibble: 2 x 2
X1
<chr>
1 Romero, Juan Carlos
2 Fiore Viñuales, María Cristina Del Valle编辑:通过read_html('https://www.hcdn.gob.ar/proyectos/resultados-buscador.html?pagina=2')捕获Rśhtml截图
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/50880250
复制相关文章
相似问题