用 html_table() 把表格轉成資料框
如果一個表格有標題列(包含 th 元素)而且沒有缺欄,擷取起來就很直接。如下例這個表格(ID 為 "clean"):
| Mountain | Height | First ascent | Country |
|---|---|---|---|
| Mount Everest | 8848 | 1953 | Nepal, China |
| ... |
下面是同一個表格(ID 為 "dirty"),但沒有明確的標題列,而且第一列少了一個儲存格:
| Mountain | Height | First ascent | Country |
| Mount Everest | 8848 | 1953 | |
| ... |
遇到這類情況時,html_table() 有額外的引數可用,如影片所示,能正確解析表格。遺漏的儲存格會自動被辨識並以 NA 取代。
兩個表格都包含在 mountains_html 文件中。
本練習屬於課程
R 的網頁爬蟲
動手互動練習
試著完成這個範例程式碼,體驗一下這個練習。
# Extract the "clean" table into a data frame
mountains <- mountains_html %>%
html_element("table#clean") %>%
___
mountains