使用 XPATH 的 text() 从父元素直接选择

在本练习中，您将继续处理同一张表。这一次，您需要把括号中的职能信息单独提取成一列，因此要提取的不是两列，而是三列数据框：actors、roles 和 functions。

为此，请使用视频中介绍的特定 XPATH 函数来完成，而不是使用 html_table()。当 HTML 的 table 元素结构不规范时（本例正是如此），html_table() 往往无法正常工作。

供您参考，下面再次给出表格 HTML 的一段摘录：

<table>
 <tr>
  <th>Actor</th>
  <th>Role</th>
 </tr>
 <tr>
  <td class = 'actor'>Jayden Carpenter</td>
  <td class = 'role'><em>Mickey Mouse</em> (Voice)</td>
 </tr>
 ...
</table>

在本练习中，变量 roles_html 中包含带有 table 元素的 HTML 文档。

本练习是课程的一部分

R 语言网页抓取

查看课程

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Extract the actors in the cells having class "actor"
actors <- roles_html %>% 
  html_elements(xpath = '//table//td[@class = "actor"]') %>%
  html_text()
actors

# Extract the roles in the cells having class "role"
roles <- roles_html %>% 
  html_elements(xpath = '//table//td[@class = "___"]/___') %>% 
  ___()
roles

编辑并运行代码