使用 rvest 將 HTML 讀入 R 數據幀

Question

我正在嘗試使用 rvest 從https://homicides.news.baltimoresun.com/recent/抓取數據，並將有關受害者的信息放入 data.table 或框架中。

到目前為止我所擁有的是：

html <- read_html(x = "https://homicides.news.baltimoresun.com/recent/")
html_node(html, ".recentvictims") %>% 
    html_children() %>% 
    head() %>% 
    html_text2()

這給了我一個信息列表，但我找不到將其放入數據框中的方法。

[1] "日期和時間\n受害者姓名\n地址\n年齡\n性別\n種族"
[2] “09/26/2022 7:15 pm\n\n1900 Griffis Ave\n—\n男性\n未知”
[3] “09/21/2022 1:45 pm\nKelly Logan\n2100 Kloman St\n53\n女性\n黑人”
[4] “09/20/2022 9:00 am\nDelon Bushrod\n2800 Bookert Dr\n24\n男性\n黑人”
[5] “09/19/2022 8:06 pm\nTerry Gordon\n1600 N Wolfe St\n53\nMale\nBlack”
[6] “09/16/2022 9:43 am\nDelanie McCloud\n100 Wilmott Court\n37\n男性\n黑人”

我也試過在“.recentelements”下選擇 html 元素

minimal_html(html) %>% 
    html_element(".recentvictims") 

這給了我：

[1] <div class="lfrow">\n <div class="lfdate">\n <b>日期和時間\n </div>\n...
[2] <div class="lfrow odd">\n <div class="lfdate">\n <a href="/victim/4597/">\n...
[3] <div class="lfrow even">\n <div class="lfdate">\n <a href="/victim/4595/">\n...

我想獲取“lfrow even”和“lfrow odd”類下的所有信息

有什么建議么？ 謝謝

Answer 1

為了將您的 output 放入數據框中，我將as.data.frame()添加到您的第一段代碼中，該代碼創建了一個數據框，其中有一列名為. 以及所有由換行符分隔的文本\n 。 我使用tidyr function separate()將這些數據轉換為列。 為了獲取列名，我使用strsplit() function 將第一行數據分隔為一個字符向量。 （這個 function 生成一個列表，因此[[1]]提取該列表的第一個元素，它是所需的列名向量。）

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

html <- read_html(x = "https://homicides.news.baltimoresun.com/recent/")

data <- html_node(html, ".recentvictims") %>% 
  html_children() %>% 
  head() %>% 
  html_text2() %>% 
  as.data.frame

want <- data %>%
  filter(row_number()>1) %>% # first row has column names
  separate(col='.',sep="\\n",into=strsplit(data[1,1],'\\n')[[1]])