錯誤：下標類型“列表”無效（網絡抓取）

Question

我正在嘗試從以下url-中進行數據爬網： https : //university.careers360.com/colleges/list-of-degree-colleges-in-India我想單擊每個大學名稱並獲取特定的數據每個學院。

首先，我要做的是將所有大學網址收集在一個向量中：

#loading the package:
library(xml2)
library(rvest)
library(stringr)
library(dplyr)

#Specifying the url for desired website to be scrapped
baseurl <- "https://university.careers360.com/colleges/list-of-degree-colleges-in-India"

#Reading the html content from Amazon
basewebpage <- read_html(baseurl)

#Extracting college name and its url
scraplinks <- function(url){
   #Create an html document from the url
   webpage <- xml2::read_html(url)
   #Extract the URLs
   url_ <- webpage %>%
   rvest::html_nodes(".title a") %>%
   rvest::html_attr("href")  
   #Extract the link text
   link_ <- webpage %>%
   rvest::html_nodes(".title a") %>%
   rvest::html_text()
   return(data_frame(link = link_, url = url_))
}

#College names and Urls
allcollegeurls<-scraplinks(baseurl)

#Reading the each url
library(purrr)    
allreadurls<-map(allcollegeurls$url, read_html)

現在可以正常工作，但是當我編寫以下代碼時，它顯示了錯誤。

#Specialization
#Using CSS selectors to scrap the specialization section
allcollegeurls$Specialization<-NA
for (i in allreadurls) {
  allcollegeurls$Specialization[i] <- html_nodes(allreadurls[i][],'td:nth- 
  child(1)')
}

Error in allreadurls[i] : invalid subscript type 'list'

Answer 1

我不確定所抓取的內容本身，但您可能希望將循環替換為

for (i in 1:length(allreadurls)) {
  allcollegeurls$Specialization[i] <- html_nodes(allreadurls[i][],'td:nth-child(1)')
}

您的方法存在的一個問題是i的角色不一致：它在allreadurls中獲取值，但隨后allreadurls Specialization和allreadurls用作子集。 另一個問題是所有多余的空間

'td:nth- 
  child(1)'

最后，由於allreadurls是一個列表，因此您想使用[[i]]而不是[i] （它再次返回一個列表）來對其進行子集化。 最后，不需要[] 。