通过网站的 HTML 代码 R 提取嵌入的 url

【问题标题】：Extracting embedded url via website's HTML code R通过网站的 HTML 代码 R 提取嵌入的 url
【发布时间】：2017-01-05 12:31:30
【问题描述】：

所以我正在尝试将名为“North America Rotary Rig Count Pivot Table (Feb 2011 - Current)”的文件读入 R。但是，baker hughes 每周都会稍微更改 URL，所以我不能只是将 URL 复制并粘贴到在我的代码中。所以我的问题是，是否可以访问网站的 HTML 代码并在 R 中找到 URL 的位置？如果没有，除了手动复制和粘贴 URL 之外，访问 URL 的最佳方法是什么。

http://phx.corporate-ir.net/phoenix.zhtml?c=79687&p=irol-reportsother

【问题讨论】：

标签： html r web

【解决方案1】：

这里是对我用来从网站中提取所有链接的代码的轻微修改。这将从 ahref 标记和显示的链接中提取所有链接。应该就足够了，尽管可以找到更有效的解决方案来查找单个链接。

require(rvest)
webpage = read_html(x='http://phx.corporate-ir.net/phoenix.zhtml?c=79687&p=irol-reportsother')
filelink = 'North America Rotary Rig Count Pivot Table (Feb 2011 - Current)'

urls = webpage %>%
        html_nodes('a') %>%
        html_attr('href')

labels = webpage %>%
        html_nodes('a') %>%
        html_text() %>%
        trimws()

links = data.frame(labels=labels, urls=urls)
links[labels==filelink,]
                                                             labels
287 North America Rotary Rig Count Pivot Table (Feb 2011 - Current)
                                                                                                       urls
287 http://phx.corporate-ir.net/External.File?item=UGFyZW50SUQ9NjU1OTg2fENoaWxkSUQ9MzYyMDEwfFR5cGU9MQ==&t=1

【讨论】：