如何编写RSCRIPT从Html表格中提取URL [英] How to write rscript to to extract URL from HTML table

问题描述

我正在尝试使用https://divvy-tripdata.s3.amazonaws.com/index.htmlrvest库从页面的<；a href=&https://....zip"；；>；元素中提取所有类似于rvest的URL：

link <- "https://divvy-tripdata.s3.amazonaws.com/index.html"

library(rvest)
library(xml2)

html <- read_html(link)

html %>% html_attrs("href")

输出：

Html%&>%html_attrs("；href"；) Html_attrs(.，"；href"；)中出错：未使用的参数("；href"；)

您能帮我用R从上面的链接中提取所有URL吗？

HTML： https://i.stack.imgur.com/5BiFU.jpg

xml

这些链接来自返回推荐答案的浏览器发出的另一个GET请求。您仍然可以使用rvest并获取关键节点，然后完成URL。

library(rvest)

base_url <- "https://divvy-tripdata.s3.amazonaws.com"
files <- read_html(base_url) |> html_elements('key') |> html_text() |> url_absolute(base_url)

对于较旧的R版本，将|>替换为%>%，并将library(magrittr)添加为导入。

这篇关于如何编写RSCRIPT从Html表格中提取URL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！