在 R 中使用 Selenium 包抓取锚定网站

Question

我是 R 的新手，无法从福布斯网站提取数据。

我当前的功能是：

url =

http://www.forbes.com/global2000/list/#page:1_sort:0_direction:asc_search:_filter:All%20industries_filter:All%20countries_filter:All%20states

data = readHTMLTable(url)

然而，福布斯网站在 link 内以“#”符号锚定。我下载了rselenium包来解析我想要的数据，但是我对reselenium不是很了解

有人 advice/expertise 有 reselenium 吗？我如何使用 reselenium 从 Forbes 提取数据？理想情况下，我想从网站的第 1、2 等页面提取数据。

谢谢！

Answer 1

有点老套，但这是我使用 rvest 和 read.delim...

的解决方案

library(rvest)

url <- "http://www.forbes.com/global2000/list/#page:1_sort:0_direction:asc_search:_filter:All%20industries_filter:All%20countries_filter:All%20states"
a <- html(url) %>%
  html_nodes("#thelist") %>%
  html_text()
con <- textConnection(a)
df <- read.delim(con, sep="\t", header=F, skip=12, stringsAsFactors=F)
close(con)
df$V1[df$V1==""] <- df$V3[df$V1==""]
df$V2 <- df$V3 <- NULL
df <- subset(df, V1!="")
df$index <- 1:nrow(df)
df2 <- data.frame(company=df$V1[df$index%%6==1],
                  country=df$V1[df$index%%6==2],
                  sales=df$V1[df$index%%6==3],
                  profits=df$V1[df$index%%6==4],
                  assets=df$V1[df$index%%6==5],
                  market_value=df$V1[df$index%%6==0])

Answer 2

或者使用 API 的另一种方式来填充网页。这会一次性下载所有 2000 家公司。

library(httr)
library(RJSONIO)
url <- "http://www.forbes.com/ajax/load_list/"
query <- list("type" = "organization",
              "uri" = "global2000",
              "year" = "2014")
response <- httr::GET(url, query=query)
dat_string <- as(response, "character")
dat_list <- RJSONIO::fromJSON(dat_string, asText=TRUE)
df <- data.frame(rank = sapply(dat_list, "[[", 1),
                 company = sapply(dat_list, "[[", 3),
                 country=sapply(dat_list, "[[", 10),
                 sales=sapply(dat_list, "[[", 6),
                 profits=sapply(dat_list, "[[", 7),
                 assets=sapply(dat_list, "[[", 8),
                 market_value=sapply(dat_list, "[[", 9), stringsAsFactors=F)
df <- df[order(df$rank),]

在 R 中使用 Selenium 包抓取锚定网站

Scrape Anchored Website with Selenium Package in R

selenium

r

anchor-scroll