表的标题行与html_table函数冲突 [英] Table’s header row conflicts with html_table function
本文介绍了表的标题行与html_table函数冲突的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
我正在尝试提取页面上的表
但是,使用html_table和rvest时,第一个文本(第一行)是表的一部分,显然会导致与html_table的冲突。我留下代码#Library's
library(rvest)
library(XML)
url<-"http://www.svs.cl/institucional/mercados/consulta.php?mercado=V&Estado=VI&entidad=RVEMI" #page
url<-read_html(url)
table<-html_nodes(url,"table") #read notes
table<-html_table(table,fill=TRUE) #write like table
,错误为
if(length(P)>1&;maxp*n!=sum(unlist(Nrow))&;maxp*n)出错 !=:缺少还需要TRUE/FALSE的值:警告 消息:在lApply(nols,as.integer)中:强制引入的NAS
也许可以使用html_text编写,但我需要表格格式。
感谢任何帮助
推荐答案
不是表的大小,而是前两行中极其粗糙的节点。
因此,只需编辑掉问题节点即可。xml2
现在支持更广泛的libxml2
操作数组:
library(rvest)
library(tidyverse)
pg <- read_html("http://www.svs.cl/institucional/mercados/consulta.php?mercado=V&Estado=VI&entidad=RVEMI")
xml_remove(html_nodes(pg, xpath=".//table/tr[1]"))
xml_remove(html_nodes(pg, xpath=".//table/tr[1]"))
html_nodes(pg, xpath=".//table") %>%
html_table() %>%
.[[1]] %>%
as_tibble()
## # A tibble: 368 × 3
## X1 X2 X3
## <chr> <chr> <chr>
## 1 76675290-K AD RETAIL S.A. VI
## 2 98000000-1 ADMINISTRADORA DE FONDOS DE PENSIONES CAPITAL S.A. VI
## 3 98000100-8 ADMINISTRADORA DE FONDOS DE PENSIONES HABITAT S.A. VI
## 4 76240079-0 ADMINISTRADORA DE FONDOS DE PENSIONES CUPRUM S.A. VI
## 5 76762250-3 ADMINISTRADORA DE FONDOS DE PENSIONES MODELO S.A. VI
## 6 98001200-K ADMINISTRADORA DE FONDOS DE PENSIONES PLANVITAL S.A. VI
## 7 76265736-8 ADMINISTRADORA DE FONDOS DE PENSIONES PROVIDA S.A. VI
## 8 94272000-9 AES GENER S.A. VI
## 9 96566940-K AGENCIAS UNIVERSALES S.A. VI
## 10 91253000-0 AGRICOLA NACIONAL S.A.C. E I. VI
## # ... with 358 more rows
注意:您可以执行以下操作:
xml_remove(html_nodes(pg, xpath=".//table/tr[position() >= 1 and position() <=2]"))
而不是两个删除操作,但几乎一样冗长,并且这里没有实际的性能提升。
这篇关于表的标题行与html_table函数冲突的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持IT屋!
查看全文