r - 从 rvest R 中的属性中抓取名称(值)

Question

我想抓取以下网页(允许..):

https://www.bisafans.de/pokedex/listen/numerisch.php

目的是提取如下表格:

<表类="s-表"> <头> 数字 名称 type1 type2 <正文> 001 比萨姆 普兰兹 礼物 002 ... ... ...

我能够抓取表格的编号和名称，但我无法提取类型，因为它们被隐藏为图像标题:

>img src="https://media.bisafans.de/f630aa6/typen/pflanze.png" alt="Pflanze"<

如何在 alt 之后提取名称？我已经尝试过提取整个表格，它只提取数字和名称。另一种方法是 html_attr() , 但也不起作用。

有人知道我怎样才能做到这一点吗？

Answer 1

使用正确的 css 选择器列表并将数据处理为嵌套 map_dfr(data.frame()) 调用中的表行列表，这非常简单。

在 data.frame() 中，您可以利用当 css 选择器列表在 DOM 中不匹配时返回的事实 NA 以确保列长度相等。为每个可能的列条目指定一个选择器列表。

library(tidyverse)
library(rvest)

rows <- read_html("https://www.bisafans.de/pokedex/listen/numerisch.php") %>% html_elements(".table tbody tr")

df <- map_dfr(rows, ~ data.frame(
  `Nr.` = .x %>% html_element("td:first-child") %>% html_text(),
  `Pokémon` = .x %>% html_element("a") %>% html_text(),
  `Type1` = .x %>% html_element("td:last-child > a:nth-child(odd) > img") %>% html_attr("alt"),
  `Type2` = .x %>% html_element("td:last-child > a:nth-child(even) > img") %>% html_attr("alt")
))