在R中循环多个网页

Question

抱歉，这里可能涉及一个问题。 我正在尝试重现位于此处的 NYTime Dialect Map Visualization的Hack Session。 一开始我还可以，但是当我尝试对多个页面进行换页时遇到了问题。

为了使人们不必从幻灯片中复制信息，这是我到目前为止所要做的：

创建URL地址 ：

mainURL <- 'http://www4.uwm.edu/FLL/linguistics/dialect/staticmaps/'
stateURL <- 'states.html'
url  <-  paste0(mainURL, stateURL)

下载并解析

tmp <- getURL(url)
tmp  <-  htmlTreeParse(tmp, useInternalNodes = TRUE)

提取页面地址并保存到subURL

subURL  <-  unlist(xpathSApply(tmp, '//a[@href]', xmlAttrs))

删除不是州名的页面

subURL  <- subURL[-(1:4)]

对我来说，问题开始于原始幻灯片24。 幻灯片说， 下一步是遍历状态列表并阅读每个问题的正文。 当然，我们还需要在流程中保存每个状态的名称 。 循环使用以下代码初始化：

survey <- vector(length(subURL), mode = "list")
i = 1
stateNames <-  rep('', length(subURL))

在此代码下，幻灯片表示survey 是一个列表，其中保存了有关每个州的信息 。 我对这种情况感到有些困惑，因为survey确实是一个长度为51的列表，但是每个元素都是NULL。 我也对i在这里所做的事情感到困惑（这在以后变得很重要）。 尽管如此，我仍然可以遵循代码的工作方式，并且我认为列表将在以后填充。

这确实是我感到困惑的下一张幻灯片。 例如，以阿拉斯加为例，显示URL如何包含每个州的名称：

为第一个状态创建URL并分配给suburl

 suburl  <- subURL[1]

从子网址中删除state_

 stateName <- gsub('state_','',suburl)

从stateName中删除.html

 stateName <- gsub('.html','',stateName)

到现在为止还挺好。 我可以针对每个州单独执行此操作。 但是，我无法弄清楚如何将其变成适用于所有状态的循环。 幻灯片仅包含以下代码：

 stateNames[i] <- stateName

这就是我卡住的地方。 上一张幻灯片将1分配给i ，因此唯一要做的就是获取阿拉斯加（AK）的名称，但其他所有元素均为“”（正如先前所期望的stateNames所定义的那样）。

我确实尝试了以下方法：

 stateNames <- gsub('state_','',subURL)
 stateNames <-gsub('.html','',stateNames)

这并不完全有效，因为此向量的长度为51，但是上面显示的向量的长度仅为1。（稍后，我希望每个州都有自己的名称，而不是让所有州都具有相同的名称51个州名）。 而且，我不知道如何使用stateNames(i) <- stateName命令。

无论如何，我一直坚持到最后（包括原始内容和修改内容），希望事情最终能够解决问题（有时我得到的内容与演示文稿中的内容相同），但最终事情还是崩溃了。 我认为稍后在幻灯片中还会有另一个问题（对象的子集以前是不存在的），但是我想问题也很容易出现。

无论如何，我知道这是一个涉及很深的问题，因此，如果这不适合该网站，我深表歉意。 我只是被困住了。

Answer 1

我相信我有这个工作。 请参阅要点或在此处查看解决方案。