使用 'rvest' 提取链接

Question

我正在尝试从 Yelp 抓取数据。第一步是从每家餐厅提取链接。例如，我搜索纽约市的餐馆并获得一些结果。然后我想提取第 1 页上 Yelp 推荐的所有 10 家餐厅的链接。这是我尝试过的方法：

library(rvest)     
page=read_html("http://www.yelp.com/search?find_loc=New+York,+NY,+USA")
page %>% html_nodes(".biz-name span") %>% html_attr('href')

但是代码总是returns'NA'。任何人都可以帮我吗？谢谢！

Answer 1

library(rvest)     
page <- read_html("http://www.yelp.com/search?find_loc=New+York,+NY,+USA")
page %>% html_nodes(".biz-name") %>% html_attr('href')

希望这会简化您的问题

Answer 2

我还能够清理上面的结果，这对我来说非常嘈杂

links <- page %>% html_nodes("a") %>% html_attr("href")

使用简单的正则表达式字符串匹配

links <- links[which(regexpr('common-url-element', links) >= 1)].

使用 'rvest' 提取链接

Using 'rvest' to extract links

r

web-scraping

yelp

rvest