将 url 表放入`data.frame` R-XML-RCurl答案

【问题标题】：get url table into a `data.frame` R-XML-RCurl将 url 表放入`data.frame` R-XML-RCurl
【发布时间】：2014-09-20 10:00:09
【问题描述】：

我正在尝试将 url 表放入 data.frame。在其他示例中，我发现以下代码有效：

library(XML)
library(RCurl)
theurl <- "https://es.finance.yahoo.com/q/cp?s=BEL20.BR"
tables <- readHTMLTable(theurl)

正如警告所说，该表似乎不是 XML

Warning message: XML content does not seem to be XML: 'https://es.finance.yahoo.com/q/cp?s=BEL20.BR'

或者，getURLContent(theurl, ssl.verifypeer = FALSE, useragent = "R") 可以工作，但不知道如何提取表格。任何帮助将不胜感激。

编辑：感谢@har07 使用table <- readHTMLTable(getURLContent(theurl, ssl.verifypeer = FALSE, useragent = "R"))$ yfncsumtab 提供了输出，但仍需过滤。

【问题讨论】：

【解决方案1】：

使用getURL获取文档内容即可获取表格。有时readHTMLTable 无法获取内容。在这些情况下，建议尝试getURL

> library(XML)
> library(RCurl)
> URL <- getURL("https://es.finance.yahoo.com/q/cp?s=BEL20.BR")
> rt <- readHTMLTable(URL, header = TRUE)
> rt

您可能需要调整 header 参数和可能的其他参数，但表格在那里。

【讨论】：

感谢您的回答。我正在使用getURLContentsince getURL给我错误Error in function (type, msg, asError = TRUE) : SSL certificate problem, verify that the CA cert is OK. Details: error:14090086:SSL routines:SSL3_GET_SERVER_CERTIFICATE:certificate verify failed
通过将ssl.verifypeer = FALSE 添加到getURLcall 可以解决错误，但得到的结果与使用getURLContent 非常相似。
@Richard Scriven 是的，我已经赞成你的回答，因为它有帮助。我仍在试图弄清楚如何仅自动获取表的内容，即带有标题的表：符号、名称等。注意，可以通过选择一个子列表来提取表 manually getURL 的输出并将适当的行设置为子集，因为还有其他内容不属于它。但是，应该有一种方法可以直接获取表格。