从网页的 HTML 代码中提取特定信息？ [关闭]答案

【问题标题】：Extract a Particular Information from a HTML Code of a webpage? [closed]从网页的 HTML 代码中提取特定信息？ [关闭]
【发布时间】：2016-08-28 02:31:30
【问题描述】：

我有一个网页“http://www.jabong.com/playdate-Off-White-Casual-Top-1342500.html?pos=1”，我可以获取它的 HTML 代码...但我需要提取特定信息...从上面的页面我需要以下信息：

类型：休闲上衣，面料：棉，袖子：半袖，领口：圆领，合身：常规，洗涤护理：手洗，使用温和的洗涤剂，洗涤前取下腰带/胸针，颜色：米白色, 面料细节：95/5 棉莱卡，款式：图形，SKU：PL527KA99JYQINDFAS

【问题讨论】：

你需要一个网页抓取包，比如rvest。
@alistaire ：您没有得到正确的问题..我能够获得完整的 HTML 代码...我只需要提取特定信息...所以我猜 Stringr 包会有所帮助..但我需要一个可以提取特定信息的代码..谢谢
rvest 可以抓取，是的，但是大部分抓取都是解析，这是你需要做的。不要用正则表达式解析 HTML；这是个坏主意。

标签： r html-parsing dplyr rcurl stringr

【解决方案1】：

您需要一个 HTML 抓取器/解析器，例如 rvest:

library(rvest)

url <- 'http://www.jabong.com/playdate-Off-White-Casual-Top-1342500.html?pos=1'

# get HTML, select list node with the information
page <- url %>% read_html() %>% html_node('.prod-main-wrapper') 

# select the nodes within the list of each type, and get the text inside
variable <- page %>% html_nodes('label') %>% html_text()
value <- page %>% html_nodes('span') %>% html_text()

# put the text in a nice data.frame
data.frame(variable, value)
#          variable                                                               value
# 1            Type                                                         Casual Tops
# 2          Fabric                                                              Cotton
# 3         Sleeves                                                        Half Sleeves
# 4            Neck                                                          Round neck
# 5             Fit                                                             Regular
# 6       Wash Care Hand Wash, Use Mild Detergents, Remove Belts / Broaches Before Wash
# 7           Color                                                           Off White
# 8  Fabric Details                                                   95/5 Cotton Lycra
# 9           Style                                                             Graphic
# 10            SKU                                                  PL527KA99JYQINDFAS
# 11  Authorization          Playdate authorized online sales partner. View Certificate

【讨论】：