如何在使用 rvest 进行网页抓取时修复 R 'Error in UseMethod("xml_find_all")' 中的以下错误？

Question

我是 R 新手，目前正在从事一项处理网络抓取的任务。

我应该阅读这个网页上的所有句子：https://www.cs.columbia.edu/~hgs/audio/harvard.html

这是我当前的代码：

library(xml2)
library(rvest)
url <- 'https://www.cs.columbia.edu/~hgs/audio/harvard.html'
read_html(url)
sentences <- url %>%
  html_nodes("li") %>%
  html_text()

每次我运行它，我都会收到这个错误：

UseMethod("xml_find_all") 中的错误：没有适用的方法 'xml_find_all' 应用于“字符”类的对象

你能帮帮我吗？我不明白我做错了什么。

Answer 1

您忘记将变量（我想它应该与url 相同）分配给read_html(url)。所以url %>% html_nodes("li") 正在读取“字符串”而不是“xml_document”，这就是错误告诉您的内容（在内部，rvest::html_nodes 调用函数xml2::xml_find_all）。

你可以这样做：

html <- read_html(url)

sentences <- html%>%
  html_nodes("li") %>%
  html_text()

或者这个，如果你只阅读一次url

sentences <- read_html(url) %>%
  html_nodes("li") %>%
  html_text()