学习web 抓取无法理解：html_nodes("table") %>% `[[`(6) %>%

Question

我在r中学习web刮，写了如下代码：

url <- "https://en.wikipedia.org/wiki/World_population"  

library(rvest)
library(tidyr)
library(dplyr)

ten_most_df <- read_html(url) 



ten_most_populous <- ten_most_df %>% 
  html_nodes("table") %>% `[[`(6) %>% html_table()

在上面提到的代码中， [[ (6) 代表什么。

我也为此参考了一些文档，其中编写了以下文本，但对此并不清楚：

“对于向量和矩阵，[[ forms 很少使用，尽管它们与 [ 形式有一些细微的语义差异（例如，它删除了任何名称或 dimnames 属性，并且部分匹配用于字符索引）”

请您对此进行解释，将非常有帮助。 谢谢

Answer 1

这只是从节点集中选择第 6 个元素的一种方式。

代码ten_most_df %>% html_nodes("table")返回一个包含 26 个元素的 xml_nodeset object，对应于页面上的 26 个表。 [[(6)子集 object 并返回第 6 个节点。

事实上，有一种更快的方法，只使用html_table ，它返回列表中的表：

ten_most_df %>% 
  html_table() %>%
  .[[6]] 

我个人觉得这更容易阅读； . 表示列表， [[n]]是访问列表元素编号n的标准方法。