使用 html_table() 将表格转换为数据框
如果一个表格有表头行(包含 th 元素)且没有缺失单元格,那么抓取会很直接,例如下面这个表格(ID 为 "clean"):
| Mountain | Height | First ascent | Country |
|---|---|---|---|
| Mount Everest | 8848 | 1953 | Nepal, China |
| ... |
下面是相同的表格(ID 为 "dirty"),但没有明确的表头行,且第一行缺少一个单元格:
| Mountain | Height | First ascent | Country |
| Mount Everest | 8848 | 1953 | |
| ... |
针对这类情况,html_table() 提供了一个额外参数,您可以用它来正确解析表格,正如视频中所示。缺失的单元格会被自动识别并替换为 NA 值。
两个表格都包含在 mountains_html 文档中。
本练习是课程的一部分
R 语言网页抓取
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 "clean" table into a data frame
mountains <- mountains_html %>%
html_element("table#clean") %>%
___
mountains