rvest 위키 백과 링크가있는 셀을 긁어서 복제본을 만듭니다

Question

rvest를 사용하여 위키 백과에서 HTML 표를 긁어 내고 있습니다. 링크가 포함 된 셀이있을 때마다 html_table()을 실행 한 후 실제 텍스트와 내 R 데이터 프레임에있는 링크의 이름을 얻습니다.

다음은 예입니다.

dplyr::glimpse(males) 


Observations: 91 
Variables: 9 
$ `#`       <chr> "1", "2", "3", "4", "5", "6", "7", "8", "9", "10", "11", "1... 
$ Actor      <chr> "Jannings, EmilEmil Jannings", "Baxter, WarnerWarner Baxter... 
$ Film      <chr> "The Way of All Flesh and The Last CommandThe Last Command,... 
$ `Date of birth`    <chr> "1884-07-23(1884-07-23)July 23, 1884", "1889-03-29(1889-03-... 
$ `Date of award`    <chr> "May 16, 1929 (1929-05-16)", "April 3, 1930 (1930-04-03)", ... 
$ `Age upon\nreceiving award` <chr> "44-2977004163670000000000♠44 years, 297 days", "41-0057004... 
$ `Date of death`    <chr> "1950-01-02(1950-01-02)January 2, 1950", "1951-05-07(1951-0... 
$ Lifespan     <chr> "23,903 days (7004239030000000000♠65 years, 163 days)", "22... 
$ Notes      <chr> "Held record as oldest winner for 2 award ceremonies (from ... 

내가 그냥 가지고있는 이름, 예를 들어, "Jannings, 에밀"대신 "Jannings, EmilEmil을 선호 : 배우의 이름이 반복되는 dataframe을 생산

males_raw <- read_html("https://en.wikipedia.org/wiki/List_of_Academy_Award_Best_Actor_winners_by_age") 

males <- males_raw %>% 
html_nodes(xpath='//*[@id="mw-content-text"]/div/table') %>% 
html_table() 

males <- males[[1]] 

자닝 "

고마워!

Answer 1

여기서 문제는 표 셀에 표시되지 않는 요소 인 span이 있다는 것입니다. html_table은 내용을 텍스트로 변환하고 td 요소의 텍스트에 추가합니다. 다른 열에 대해서도 마찬가지입니다.

spans <- males_raw %>% 
    html_nodes(xpath = "//*/tr/td/span") 

xml_remove(spans) 

males_raw %>% 
    html_nodes(xpath='//*[@id="mw-content-text"]/div/table') %>% 
    html_table() %>% 
    .[[1]] %>% 
    glimpse() 

Observations: 91 
Variables: 9 
$ `#`       <chr> "1", "2", "3", "4", "5", "6", "7", "8", "9", "10", "11", "12", "13"... 
$ Actor      <chr> "Emil Jannings", "Warner Baxter", "George Arliss", "Lionel Barrymor... 
$ Film      <chr> "The Last Command,The Way of All Flesh", "In Old Arizona", "Disrael... 
$ `Date of birth`    <chr> "July 23, 1884", "March 29, 1889", "April 10, 1868", "April 28, 187... 
$ `Date of award`    <chr> "May 16, 1929", "April 3, 1930", "November 5, 1930", "November 10, ... 
$ `Age upon\nreceiving award` <chr> "44 years, 297 days", "41 years, 5 days", "62 years, 209 days", "53... 
$ `Date of death`    <chr> "January 2, 1950", "May 7, 1951", "February 5, 1946", "November 15,... 
$ Lifespan     <chr> "23,903 days (65 years, 163 days)", "22,683 days (62 years, 39 days... 
$ Notes      <chr> "Held record as oldest winner for 2 award ceremonies (from the 1st ... 

:이 약

<td> 
    <span style="display:none">Jannings, Emil</span> 
    <a href="/wiki/Emil_Jannings" title="Emil Jannings">Emil Jannings</a> 
</td> 

한 가지 방법은 span 노드를 제거하는 것입니다