学习网页抓取看不懂：html_nodes("table") %>% `[[`(6) %>%

Question

我正在学习 r 中的网页抓取，编写了以下代码：

url <- "https://en.wikipedia.org/wiki/World_population"  

library(rvest)
library(tidyr)
library(dplyr)

ten_most_df <- read_html(url) 



ten_most_populous <- ten_most_df %>% 
  html_nodes("table") %>% `[[`(6) %>% html_table()

在上述代码中，[[(6) 代表什么。

我也为此参考了一些文档，其中写了以下文本，但对此不清楚：

"对于向量和矩阵，[[ 形式很少使用，尽管它们有一些轻微的语义 与 [ 形式的区别（例如，它删除任何名称或 dimnames 属性，并且该部分 匹配用于字符索引）"

请您对此进行解释，将非常有帮助。谢谢

Answer 1

这只是从节点集中选择第 6 个元素的一种方式。

代码ten_most_df %>% html_nodes("table")返回一个包含26个元素的xml_nodeset对象，对应页面上的26个表。 [[(6) 对对象进行子集化并返回第 6 个节点。

事实上，有一种更快捷的方法，只使用html_table，它会返回列表中的表格：

ten_most_df %>% 
  html_table() %>%
  .[[6]] 

我个人觉得这更容易阅读； . 代表列表，[[n]] 是访问列表元素编号n 的标准方式。