如何使用 R 從 PHP 網站抓取表格？

Question

希望從此頁面上的表中將數據導入 R：

https://legacy.baseballprospectus.com/standings/index.php?odate=2019-09-10

我嘗試了多種使用 XML 和 httr 的方法，但都沒有成功。 已經看過過去的帖子，包括：

使用 R 從 php 網站讀取數據

和

使用 XML 包將 html 表抓取到 R 數據框

想知道我是否沒有使用源中正確的表 ID，或者考慮到我當前使用的工具，該表的格式是否不正確？

非常感謝任何和所有幫助！ 提前致謝！

Answer 1

這不會給你你想要的東西，但它可能會幫助你開始：

library(XML)
fname <- "standings20190910.html"
download.file("https://legacy.baseballprospectus.com/standings/index.php?odate=2019-09-10", destfile=fname)
doc0 <- htmlParse(file=fname, encoding="UTF-8")
doc1 <- xmlRoot(doc0)
doc2 <- getNodeSet(doc1, "//table[@id='content']")
standings <- readHTMLTable(doc2[[1]], header=TRUE, skip.rows=1, stringsAsFactors=FALSE)

您可以查看要抓取的表格的 HTML 源代碼，然后嘗試找出如何創建有用的 R 對象。 仔細查看 XML 包手冊 ( https://cran.r-project.org/web/packages/XML/XML.pdf ) 中getNodeSet和readHTMLTable的文檔。