用相应的条目刮掉标题 - 标题有多个值时出现问题

Question

我正在尝试从他们在 cricinfo 网站上的个人资料中获取板球运动员的基本球员信息。 此处给出了玩家资料页面的示例： https://www.espncricinfo.com/player/shaun-marsh-6683

Ultimately, I would like to write a function in R to extract the information at the top of the overview tab (Full Name, Born, Age etc), and would like to put the information into a dataframe in R. 然后我有另一个 function 这将允许我为多个感兴趣的玩家执行此操作。

但是，有两个主要问题：第一个是并非所有玩家在其概览页面上都有相同的信息类别。 因此，我需要为每个玩家导入类别标题（例如全名、出生、年龄等）以及它们对应的值。 我已经使用 R 中的 rvest 使用以下代码完成了此操作：

player_info <- content %>%
    html_nodes(".player_overview-grid") %>%
    html_nodes(".player-card-description.gray-900") %>% 
    html_text()
  
  player_cats <- content %>% 
    html_nodes(".player_overview-grid") %>% 
    html_nodes(".player-card-heading") %>% 
    html_text()

newplayer <- data.frame(player_cats, player_info)

这为大多数玩家提供了理想的结果，但是遇到了一个我无法弄清楚如何解决的问题。 有些玩家在给定标题中有两个值； 例如，在上面给出的链接中，玩家有两个关系（兄弟和父亲），因此这意味着“player_cats”和“player_info”向量的长度不同。

请有人可以帮助我解决这个问题。 我认为我需要以某种方式将类别及其值作为对提取，而不是单独提取，如果这有意义的话。 如果有多个条目，我很乐意提取类别中的第一个值，或者在 R 的最终数据框中多次包含类别标题。 任何一个都可以。

对不起，如果这是一个简单的问题，我对此很陌生。 非常感谢

EDIT: Let's say I apply the function to this player's page https://www.espncricinfo.com/player/wes-agar-959833 , then the output is as desired, since each category only has one entry. 也就是说，它给了我以下 dataframe：如下图 1 所示，该播放器的信息类别及其值的 dataframe

但是，当我尝试将 function 应用于列出的原始配置文件时，就会出现问题： https://www.espncricinfo.com/player/shaun-marsh-6683 。 我收到一个错误，因为有 9 个类别，但有 10 个条目，因此无法使用 rbind。 参见图片2、3、4 。 我需要找到一种方法来刮取每个值所属的类别，以便我可以在 R 中的 dataframe 中复制类别 header。 我希望看到一个 dataframe 有 10 行，在第一列中重复“关系”或在 9 行中重复“关系”的 df 和 RH 列中的第一个值“GR Marsh”。

Answer 1

一种解决方法是对每个类别使用html_text2和xpath ：

library(rvest)
library(dply)

url = "https://www.espncricinfo.com/player/shaun-marsh-6683"

#create an empty dataframe to store results 
df = vector() 


for(i in 1:9){
#creating xpath for each of the nine category
nod = paste0('//*[@id="main-container"]/div[1]/div/div[2]/div/div[2]/div[2]/div[1]/div/div[1]/div[', i, ']')
df1 = url %>%
  read_html() %>% 
  html_nodes(xpath =nod) %>% 
  html_text2()
#now we split the result into columns
df1= do.call(rbind, str_split(df1, "\n"))
df = rbind.data.frame(df, df1)
}

                 V1 V2                                         V3
    1     Full Name                            Shaun Edward Marsh
    2          Born    July 09, 1983, Narrogin, Western Australia
    3           Age                                      38y 147d
    4     Nicknames                                           Sos
    5 Batting Style                                 Left hand bat
    6 Bowling Style                        Slow left arm orthodox
    7  Playing Role                              Top order batter
    8        Height                                        1.84 m
    9     relations          GR Marsh (father),MR Marsh (brother)