使用rvest从R中的crickbuzz中刮取比赛分数答案

【问题标题】：using rvest to scrape match scores from crickbuzz in R使用rvest从R中的crickbuzz中刮取比赛分数
【发布时间】：2016-01-09 05:08:31
【问题描述】：

我正在抓取页面Crickbuzz scores 以获取比赛详情。我正在使用选择器小工具来获取 css 标记。到目前为止我所做的事情是：

crickbuzz <- read_html(httr::GET("http://www.cricbuzz.com/cricket-match/live-scores"))
matches_dates <- crickbuzz %>%
html_nodes(".schedule-date:nth-child(1)") %>%
html_text()

我已获取比赛、比分和场地，但难以获取日期。我从上面的代码得到以下结果

> matches_dates
     "   -     " "   -     " "   "       "   "       "   "       "   "   "  "      
    "   "       "   "       "   "       "   -     " "   -     " "   -     "

表示获取21个元素，也就是目前有21个匹配，但没有获取文本。

然后我看到了 html_nodes() 中的内容它就像：

{xml_nodeset (21)}
 1 <span class="schedule-date" timestamp="1452132000000" format="MMM dd'">    
   </span>
2 <span class="schedule-date" timestamp="1452132000000" format="MMM dd'">    
   </span>
3 <span class="schedule-date" timestamp="1452132000000" format="MMM dd'">    
   </span> and so on....

这意味着我没有从标签中获取文本。该怎么做？

【问题讨论】：

标签： r rvest

【解决方案1】：

你需要使用时间戳属性来提取它：

library(rvest)
crickbuzz <- read_html(httr::GET("http://www.cricbuzz.com/cricket-match/live-scores"))
matches_dates <- crickbuzz %>%
    html_nodes(".schedule-date:nth-child(1)")%>%
   html_attr("timestamp")

matches_dates
 [1] "1452268800000" "1452132000000" "1452247200000" "1452242400000" "1452327000000" "1452290400000" "1452310200000" "1452310200000" "1452310200000"
[10] "1452310200000" "1452324600000" "1452324600000" "1452324600000" "1452324600000" "1452324600000" "1452150000000" "1452153600000" "1452153600000"

# this is the unix time and so if you need to convert to date-time format, follow the answer
 to this question: 
http://stackoverflow.com/questions/13456241/convert-unix-epoch-to-date-object-in-r

【讨论】：