xml – 将表从维基百科加载到R中

发布时间：2020-12-16 23:25:22 所属栏目：百科来源：网络整理

导读：我正试图从以下网址将最高法院大法官的表格加载到R中. https://en.wikipedia.org/wiki/List_of_Justices_of_the_Supreme_Court_of_the_United_States 我正在使用以下代码： scotusURL - "https://en.wikipedia.org/wiki/List_of_Justices_of_the_Supreme_Cou

我正试图从以下网址将最高法院大法官的表格加载到R中.
https://en.wikipedia.org/wiki/List_of_Justices_of_the_Supreme_Court_of_the_United_States

我正在使用以下代码：

scotusURL <- "https://en.wikipedia.org/wiki/List_of_Justices_of_the_Supreme_Court_of_the_United_States"
scotusData <- getURL(scotusURL,ssl.verifypeer = FALSE)
scotusDoc <- htmlParse(scotusData)
scotusData <- scotusDoc['//table[@class="wikitable"]']
scotusTable <- readHTMLTable(scotusData[[1]],stringsAsFactors = FALSE)

R将scotusTable返回为NULL.这里的目标是在R中获得一个data.frame,我可以用来在法庭上制作SCOTUS正义任期的ggplot.我以前有脚本工作制作一个很棒的情节,但是在最近的决定之后,页面上的某些内容发生了变化,现在脚本将无法运行.我浏览了维基百科上的HTML以试图找到任何更改,但是我不是webdev所以任何破坏我的脚本的东西都不会立即显现出来.

另外,R中是否有一个方法可以让我从这个页面缓存数据,所以我不会经常引用URL？这似乎是未来避免这个问题的理想方式.
感谢帮助.

顺便说一句,SCOTUS在我正在进行的业余爱好/侧面项目中,所以如果有一些其他数据源比维基百科更好,我全都听见了.

编辑：对不起我应该列出我的依赖项.我正在使用XML,plyr,RCurl,data.table和ggplot2库.

解决方法

如果你不介意使用不同的包,你可以尝试“rvest”包.

library(rvest)    
scotusURL <- "https://en.wikipedia.org/wiki/List_of_Justices_of_the_Supreme_Court_of_the_United_States"

>选项1：从页面中获取表格并使用html_table函数提取您感兴趣的表格.

temp <- scotusURL %>% 
  html %>%
  html_nodes("table")

html_table(temp[1]) ## Just the "legend" table
html_table(temp[2]) ## The table you're interested in

>选项2：检查表元素并复制XPath以直接读取该表(右键单击,检查元素,滚动到相关的“表”标记,右键单击它,然后选择“复制XPath”).

scotusURL %>% 
  html %>% 
  html_nodes(xpath = '//*[@id="mw-content-text"]/table[2]') %>% 
  html_table

我喜欢的另一个选项是将数据加载到Google电子表格中并使用“googlesheets” package读取它.

在Google云端硬盘中,创建一个名为“Supreme Court”的新电子表格.在第一个工作表中,输入：

=importhtml("https://en.wikipedia.org/wiki/List_of_Justices_of_the_Supreme_Court_of_the_United_States","table",2)

这会自动将此表格划入您的Google电子表格中.

从那里,你可以做：

library(googlesheets)
SC <- gs_title("Supreme Court")
gs_read(SC)

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!