从R中的链接中提取标题

Posted 2023-02-22

【中文标题】从R中的链接中提取标题

【英文标题】：Extracting title from link in R

【发布时间】：2016-10-07 19:58:46

【问题描述】：

我正在使用 R 中的 rvest 包练习网页抓取。到目前为止，此页面是一个很好的指南。 (http://zevross.com/blog/2015/05/19/scrape-website-data-with-the-new-r-package-rvest/)。使用工具 Selector Gadget 我可以识别我想要的项目的类或 div 元素引用（据我所知）。

所以我只是去了***，并试图提取美国总统的名单。该页面的链接是https://en.wikipedia.org/wiki/List_of_Presidents_of_the_United_States。 Selector Gadget 告诉我元素 class/div/???? （不知道怎么称呼它）是“大”。

到目前为止，这是我的代码：

site = read_html("https://en.wikipedia.org/wiki/List_of_Presidents_of_the_United_States")
fnames = html_nodes(site,"big a")

部分输出是：

xml_nodeset (44)
 [1] <a href="/wiki/George_Washington" title="George Washington">George Washington</a>
 [2] <a href="/wiki/John_Adams" title="John Adams">John Adams</a>
 [3] <a href="/wiki/Thomas_Jefferson" title="Thomas Jefferson">Thomas Jefferson</a>
 [4] <a href="/wiki/James_Madison" title="James Madison">James Madison</a>
 [5] <a href="/wiki/James_Monroe" title="James Monroe">James Monroe</a>
 [6] <a href="/wiki/John_Quincy_Adams" title="John Quincy Adams">John Quincy Adams</a>
 [7] <a href="/wiki/Andrew_Jackson" title="Andrew Jackson">Andrew Jackson</a>
 [8] <a href="/wiki/Martin_Van_Buren" title="Martin Van Buren">Martin Van Buren</a>

太棒了！所以我提取了带有链接的名称！我只想要名字，所以我不知道如何在这里继续。有没有办法轻松获取链接 html 代码之间的名称？或者我应该使用 html_nodes 函数来获取另一个元素吗？我觉得我很接近了！

感谢您的帮助。

【问题讨论】：

html_text(fnames) 应该这样做。

心都碎了。那行得通！非常感谢！！！

或者...html_attr(fnames, "title")

【参考方案1】：

名称有两个来源。标题属性和文本。它们的格式可能略有不同，或者可能包含中间名首字母或其他。使用你最喜欢的那个。

html_attr(fnames, "title")

或

html_text(fnames)