Webscaping Tables 来自维基百科，免费的百科全书

Question

我想知道是否有人有有用的想法或代码来从维基百科抓取 tables。

具体来说，我对维基百科“各县结果”部分的总统选举结果 table 感兴趣。

可以使用以下 link 并向下滚动到“县级结果”部分找到示例 table：https://en.wikipedia.org/wiki/1948_United_States_presidential_election_in_Texas

table 看起来像这样：

我尝试了以下 Whosebug post 中的一些解决方案：Importing wikipedia tables in R

但是，它们似乎不适用于 table 我想在维基百科中抓取的类型。

任何建议、解决方案或代码将不胜感激。谢谢！

Answer 1

利用 rvest 包，您可以获得 table，方法是首先通过 html_element("table.wikitable.sortable") 选择包含所需 table 的元素，然后提取 [=16] =] 通过 html_table() 像这样：

library(rvest)

url <- "https://en.wikipedia.org/wiki/1948_United_States_presidential_election_in_Texas"

html <- read_html(url)

county_table <- html %>% 
  html_element("table.wikitable.sortable") %>% 
  html_table()

head(county_table)
#> # A tibble: 6 x 14
#>   County  `Harry S. Truman… `Harry S. Truman… `Thomas E. Dewey… `Thomas E. Dewe…
#>   <chr>   <chr>             <chr>             <chr>             <chr>           
#> 1 County  #                 %                 #                 %               
#> 2 Anders… 3,242             62.37%            1,199             23.07%          
#> 3 Andrews 816               85.27%            101               10.55%          
#> 4 Angeli… 4,377             69.05%            1,000             15.78%          
#> 5 Aransas 418               61.02%            235               34.31%          
#> 6 Archer  1,599             86.20%            191               10.30%          
#> # … with 9 more variables: Strom ThurmondStates’ Rights Democratic <chr>,
#> #   Strom ThurmondStates’ Rights Democratic.1 <chr>,
#> #   Henry A. WallaceProgressive <chr>, Henry A. WallaceProgressive.1 <chr>,
#> #   Various candidatesOther parties <chr>,
#> #   Various candidatesOther parties.1 <chr>, Margin <chr>, Margin.1 <chr>,
#> #   Total votes cast[11] <chr>

Webscaping Tables 来自维基百科，免费的百科全书

Webscraping Tables From Wikipedia in R

r

web-scraping

wikipedia