使用rvest在页面中提取多个表

Posted 2021-03-27

如何将所有列表转换为数据帧，附加所有数据帧并导出到csv？

library(rvest)

webpage <- read_html("https://www.sec.gov/Archives/edgar/data/21665/000144530512000409/exhibit21.htm")

tbls <- html_nodes(webpage, "table")
tbls_ls <- html_table(tbls,fill = TRUE)

colnames(tbls_ls[[1]]) <- c("Name", "Country")

答案

您可以从链接获取所有表，并使用bind_rows将它们绑定在一起

library(rvest)
library(dplyr)

url <- "https://www.sec.gov/Archives/edgar/data/21665/000144530512000409/exhibit21.htm"

url %>%
  read_html() %>%
  html_table() %>%
  bind_rows()

但是，这需要稍微清理和重命名，因为它不会单独标识列名。