无法从 rvest 中的 html_node 提取 href 链接

【问题标题】：Can't extract href link from html_node in rvest无法从 rvest 中的 html_node 提取 href 链接
【发布时间】：2021-06-09 03:13:03
【问题描述】：

当我使用 rvest 包 xpath 并尝试从站点获取嵌入式链接（足球队名称）时，我得到一个空结果。有人可以帮忙吗？

代码如下：

library(rvest)
 
url <- read_html('https://www.transfermarkt.com/premier-league/startseite/wettbewerb/GB1') 
    
xpath <- as.character('/html/body/div[2]/div[11]/div[1]/div[2]/div[2]/div')

url %>%
  html_node(xpath=xpath) %>% 
  html_attr('href')

【问题讨论】：

您要提取哪些链接？
@RonakShah 我正在尝试提取表格中的足球队链接。

标签： html r web-scraping xpath rvest

【解决方案1】：

您可以使用以下方式获取所有链接：

library(rvest)

url <- 'https://www.transfermarkt.com/premier-league/startseite/wettbewerb/GB1'


url %>%
  read_html %>%
  html_nodes('td.hauptlink a') %>%
  html_attr('href') %>%
  .[. != '#'] %>%
  paste0('https://www.transfermarkt.com', .) %>%
  unique() %>%
  head(20)

【讨论】：

这太棒了！它有效，谢谢。您是如何获得 css 选择器的？
右击页面并检查元素以找到要提取的相关部分。
太好了。所以你只是在那里添加'a'，因为我在源代码中看不到它。
a 用于选择td.hauptlink之后的锚标记。
表中有 20 个团队和 70 个链接 - 我认为 css 获取的链接超出了必要的数量。如果不使用 gadgetselector，将如何解决这个问题？