Rvest error: type 'externalptr'

Question

我正在尝试使用 rvest 提取 PGA 高尔夫球手的出生日期。让我们试试 Stuart Appleby。这是他在 ESPN 网站上的个人资料 http://espn.go.com/golf/player/_/id/11/stuart-appleby。注意他的爆头旁边的出生日期。

library("rvest")
url <- "http://espn.go.com/golf/player/_/id/11/stuart-appleby"
li_node <- url %>% html %>% html_nodes("li")

他的出生日期包含在 li_node 的第 22 项中。理想情况下，我不会将 [[22]] 硬编码到我的程序中，但即使我这样做了，我也会 运行 出错。

li_node[[22]]

显示我想要的信息，但类似：

word(li_node[[22]], ...)
substr(li_node[[22]], ...)
pluck(li_node, 22)

所有return一个错误：

> word(li_node[[22]], 1)
Error in rep(string, length = n) : 
  attempt to replicate an object of type 'externalptr'
> substr(li_node[[22]], 1, 2)
Error in as.vector(x, "character") : 
  cannot coerce type 'externalptr' to vector of type 'character'
> pluck(li_node, 22)
Error in FUN(X[[1L]], ...) : 
  object of type 'externalptr' is not subsettable

有没有一种简单的方法可以让我使用 rvest 获取 DOB？

Answer 1

library("rvest")
library("stringr")
url <- "http://espn.go.com/golf/player/_/id/11/stuart-appleby"
url %>% 
  html %>% 
  html_nodes(xpath='//li[contains(.,"Age")]') %>% 
  html_text() %>% 
  str_extract("[A-Z][a-z]{2,} [0-9]{1,2}, [0-9]{4}")

returns:

[1] "May 1, 1971"