R编程：rvest：for循环覆盖数据抓取

Question

以下代码有效：

library(rvest)
library(plyr)

alaska <- c(1:49)

for (i in alaska) {

  url <- "http://www.50states.com/facts/alaska.htm"

  nodespath <- paste('//*[@id="content"]/div[1]/div[4]/ol/li[',i,']')

  alaskafacts <-  data.frame(facts =  url %>%   html() %>% 
                  html_nodes(xpath =nodespath) %>%   html_text())

 alaskafacts$nm <- i
 alaskafacts$facts <- alaskafacts$facts

 result <- rbind.fill(result,alaskafacts)
}

我会得到这个结果：

我知道循环正在工作，因为如果我将代码更改为：

alaska <- c(1:48)

我会得到这个结果：

我遇到的问题是循环自己重写。我期待 49 行事实——我猜循环会删除前一个事实，然后编写一个新事实——最后一个事实将始终是 data.frame 中的事实。

我在这里找到了一个示例：How can I use a loop to scrape website data for multiple webpages in R?，上面发布的代码遵循示例中的代码。然后我引用了这个例子：here。我认为上面的代码也遵循它。

我在底部的 rbind 调用遵循我在 SO 上找到的两个类似示例，但没有按预期保存。

有什么建议吗？

---

Answer 1

您需要在 for 循环之前预定义结果变量。目前每次循环结果都被覆盖。试试这个：

library(rvest)
library(plyr)

alaska <- c(1:49)
result<-data.frame()
for (i in alaska) {

  url <- "http://www.50states.com/facts/alaska.htm"
....

有一种更快的方法可以在不使用 for 循环的情况下提取您请求的信息（并且事先知道所需的长度）。 rvest 被矢量化以允许在一个语句中拉出所有节点：

library(rvest)

url <- "http://www.50states.com/facts/alaska.htm"
page<-url %>%   read_html()

resultsarray<-html_text(html_nodes(page, "ol.stripedList li"))
  # "ol.stripedList li" is the html code for the list hierarchical 
  # li (list element underneath) an ol (ordered list) of class "stripedList" 

resultsarray 是一个包含 49 个事实的字符串数组，我将允许您将其转换为所需的数据帧。