幸福是奋斗出来的分享 http://blog.sciencenet.cn/u/ahyxwangdong 生态学

博文

四、R语言抓取网页中信息(rvest包)—读取个人图书馆

已有 2778 次阅读 2018-1-5 13:30 |个人分类:读书心得|系统分类:科研笔记| R语言

R语言抓取http://www.360doc.com/content/14/0823/20/13269304_404127904.shtml个人图书馆网页里的【精选文章】、【类似文章】目录。

>library(rvest)

SS<-read_html("http://www.360doc.com/content/14/0823/20/13269304_404127904.shtml")

SRR<-SS%>%

html_nodes("ul.barticle_list")%>%

html_text()

SRR


网站对应的代码:

<ul>

<li><span><a onclick="artStatistics('20-9-9');" href=http://www.360doc.com/content/13/0226/23/7083970_268021980.shtml target="_blank">别和我谈理想!</a></span></li>

<li><span><a onclick="artStatistics('20-9-9');" href=http://www.360doc.com/content/13/0805/18/3256622_304832771.shtml target="_blank">谁是苏联崩溃的罪魁祸首?</a></span></li>

<li><span><a onclick="artStatistics('20-9-9');" href=http://www.360doc.com/content/12/0908/16/6085160_234947432.shtml target="_blank">简单快捷速记中国地理常识</a></span></li>

<li><span><a onclick="artStatistics('20-9-9');" href=http://www.360doc.com/content/13/1028/23/247109_324811605.shtml target="_blank">摄影用光圣经</a></span></li>

<li><span><a onclick="artStatistics('20-9-9');" href=http://www.360doc.com/content/14/0528/17/6026123_381636057.shtml target="_blank">一张图了解身体彻底排毒的简单方法</a></span></li>

<li><span><a onclick="artStatistics('20-9-9');" href=http://www.360doc.com/content/14/0518/22/8413713_378750693.shtml target="_blank">凉菜秘笈·不外传</a></span></li>

<li><span><a onclick="artStatistics('20-9-9');" href=http://www.360doc.com/content/14/0603/22/16831556_383260033.shtml target="_blank">文学常识:诗人雅号知多少</a></span></li>

<li><span><a onclick="artStatistics('20-9-9');" href=http://www.360doc.com/content/14/0630/15/2028407_390875852.shtml target="_blank">20套最适合孩子的营养早餐</a></span></li>

</ul>

</div>



运行结果:

> library(rvest)

载入需要的程辑包:xml2

Warning messages:

1: 程辑包‘rvest’是用R版本3.4.3 来建造的

2: 程辑包‘xml2’是用R版本3.4.3 来建造的

> SS<-read_html("http://www.360doc.com/content/14/0823/20/13269304_404127904.shtml")

> SRR<-SS%>%

+  html_nodes("ul.barticle_list")%>%

+  html_text()

> SRR

[1] "娱乐(30)\n象棋讲座:《象棋歌诀》\n《中国象棋怪招》大全\nduff的文件夹【象棋】\n象棋十诀,禁忌,相克,兵法\n中国象棋棋谱大全之二\n中国象棋术语大全\n象棋兵法之暗渡陈仓001\n"                

[2] "别和我谈理想!\n谁是苏联崩溃的罪魁祸首?\n简单快捷速记中国地理常识\n摄影用光圣经\n一张图了解身体彻底排毒的简单方法\n凉菜秘笈·不外传\n文学常识:诗人雅号知多少\n20套最适合孩子的营养早餐\n"

>





http://blog.sciencenet.cn/blog-484693-1093250.html

上一篇:三、R语言抓取网页中表格信息(XML包)
下一篇:獐子岛的扇贝

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2020-10-24 08:31

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部