HTML 테이블을 R 데이터 프레임으로 긁음

Question

문제가 있습니다. 웹 사이트에서 정보를 추출해야합니다 : https://www.transfermarkt.co.uk/premier-league/startseite/wettbewerb/GB1 클럽 이름, 웹 사이트 주소 (transfermarkt profile) 및 팀 프로필의 스타디움 이름. 이것이 웹 사이트에서 데이터를 추출한 첫 번째 연락처입니다. 어떤 도움을 주셔서 감사합니다. 처음에는 그런 코드를 작성했습니다 :

library(rvest) 
theurl <- "https://www.transfermarkt.co.uk/premier-league/startseite/wettbewerb/GB1" 
file<-read_html(theurl) 
tables<-html_nodes(file, "table") 
table1 <- html_table(tables[4], fill = TRUE) 

Answer 1

@Henry Navarro가 지적한대로, 어떤 노드 등이 정확히 필요한지는 명확하지 않습니다. 올바른 노드를 찾는 것은 시간이 많이 걸리는 작업이므로 원하는 노드를 지정해야합니다. 이 목적으로 Selectorgadget을 사용할 수 있습니다.

다음 예제에서는 정보를 추출하기 위해 rvest로 반복해야하는 팀 웹 사이트 목록을 생성하는 방법을 보여주는 간단한 예제입니다. 지금까지 누락 된 주요 기능은 html_attr()입니다 (예 : this answer 참조). 물론이 사이트의 노드를 찾아 경기장 등의 정보를 추출해야합니다.

file %>% 
html_nodes("table") %>% 
{ .[4]} %>% 
html_nodes("a") %>% 
html_attr("href") %>% 
{ .[grep("/startseite/verein",., fixed=T)]} %>% 
unique() %>% 
{ paste0("https://www.transfermarkt.co.uk", .) } 

# [1] "https://www.transfermarkt.co.uk/fc-chelsea/startseite/verein/631/saison_id/2017"    
# [2] "https://www.transfermarkt.co.uk/manchester-city/startseite/verein/281/saison_id/2017"   
# [3] "https://www.transfermarkt.co.uk/manchester-united/startseite/verein/985/saison_id/2017"   
# [4] "https://www.transfermarkt.co.uk/tottenham-hotspur/startseite/verein/148/saison_id/2017" 
#...