Rvest 在 IMDB 上使用 xpath 或 html 选择器抓取正确的日期答案

【问题标题】：Rvest Scraping the correct date with xpath or html selector on IMDBRvest 在 IMDB 上使用 xpath 或 html 选择器抓取正确的日期
【发布时间】：2021-04-07 07:16:30
【问题描述】：

我试图从 IMDB 中获取演员的生日。

我没有收到与原始代码中提供的相同的结果

代码中提供的出生日期和所需格式：“yyy-mm-dd”

library(rvest)
link = "https://www.imdb.com/name/nm0000093/"
page = read_html(link)

Date <- page %>% html_nodes(xpath = '//*[@id="name-born-info"]/time') %>% html_text('')

我需要选择另一个节点吗？？

谢谢！

这些都不走运：

Date <- page %>% html_nodes(xpath = '/html/body/div[2]/div/div[2]/div/div[1]/div/div/table/tbody/tr[3]/td/div[3]/time') %>% html_attr('')

Date <- page %>% html_nodes(xpath = '/html/body/div[2]/div/div[2]/div/div[1]/div/div/table/tbody/tr[3]/td/div[3]/time') %>% html_text('')

Date <- page %>% html_nodes(xpath = '//*[@id="name-born-info"]/time') %>% html_attr('')

【问题讨论】：

标签： r web-scraping xpath rvest

【解决方案1】：

我认为只需检索单个节点，然后将实际属性名称添加到 html_attr。我也会切换到更快的 css 类型选择器

Date <- page %>% html_node('time') %>% html_attr('datetime')

你可以正则表达式失败

str_match(page %>% html_text(),'birthDate":\\s?"(\\d{4}-\\d{2}-\\d{2})"' )[1,2]

【讨论】：