内容简介:前一篇文章我们学习了选择器(CSS和XPath)。我们可以从HTML包含唯一的
前一篇文章我们学习了选择器(CSS和XPath)。
我们可以从 https://cran.rstudio.com/web/packages/available_packages_by_name.html 这个网页上获取所有可用的R扩展包。网页看起来简单,想知道选择器的表达式,在页面右击,选择菜单中的审查元素选项(大部分浏览器都有),然后就会出现检查面板。我们可以看到网页底层的HTML代码。
HTML包含唯一的 <table>
,因此可以直接将CSS选择器设为 table
,再用 html_table()
提取表格并返回一个数据框:
library(rvest) #> 载入需要的程辑包:xml2 page = read_html("https://cran.rstudio.com/web/packages/available_packages_by_name.html") pkg_table = page %>% html_node("table") %>% html_table(fill = TRUE) head(pkg_table, 5) #> X1 #> 1 #> 2 A3 #> 3 abbyyR #> 4 abc #> 5 abc.data #> X2 #> 1 <NA> #> 2 Accurate, Adaptable, and Accessible Error Metrics for Predictive\nModels #> 3 Access to Abbyy Optical Character Recognition (OCR) API #> 4 Tools for Approximate Bayesian Computation (ABC) #> 5 Data Only: Tools for Approximate Bayesian Computation (ABC)
这里原始表没有表头。结果数据框使用了默认表头,并且第一行是空的,下面代码解决这个问题:
pkg_table = pkg_table[complete.cases(pkg_table), ] colnames(pkg_table) = c("name", "title") head(pkg_table, 3) #> name #> 2 A3 #> 3 abbyyR #> 4 abc #> title #> 2 Accurate, Adaptable, and Accessible Error Metrics for Predictive\nModels #> 3 Access to Abbyy Optical Character Recognition (OCR) API #> 4 Tools for Approximate Bayesian Computation (ABC)
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- golang语言爬虫代理代码示例
- 爬虫好学么?5 行代码就可以
- 如何 5 分钟零代码实现豆瓣小组爬虫
- 浅谈网络爬虫中广度优先算法和代码实现
- 50行代码实现一个并发的 Python 爬虫程序
- 一种一行代码实现分布式爬虫的方案
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Hive编程指南
卡普廖洛 (Edward Capriolo)、万普勒 (Dean Wampler)、卢森格林 (Jason Rutherglen) / 曹坤 / 人民邮电出版社 / 2013-12-1 / 69
市场中第一本Hive图书。 Hive在Hadoop系统中的应用趋势比较可观。一起来看看 《Hive编程指南》 这本书的介绍吧!