网页数据抓取软件(()(-post类的节点中))

　　网页数据抓取软件(()(-post类的节点中))

　　在节点中，其中的投票数

　　在 .vote-count-post 类的节点中：

　　问题 %>%

　　html_ _nodes(".question-summary.vote-count-post") %>%

　　html_ _text() %>%

　　as.integer()

　　## [1] 1429 746 622 533 471

　　同样，下面的一段代码用于提取答案的数量：

　　问题 %>%

　　html_ _nodes(".question-summary.status strong") %>%

　　html_ _text() %>%

　　as.integer()

　　## [1] 21 15 8 11 7

　　但是，如果要继续提取每个问题的标签，则比较困难，因为不同问题的标签数量可能不同。

　　在下面的代码中，我们首先选择所有问题的标签集，然后通过迭代提取每个集合中的标签：

　　问题 %>%

　　html_ _nodes(".question-summary.tags") %>%

　　lapply（功能（节点）{

　　节点%>%

　　html_ _nodes(".post-tag") %>%

　　html_ _text()

　　}) %>%

　　字符串

　　## 5 个列表

　　## $: chr [1:2] "r" "r-faq"

　　## $: chr [1:4] "r" "sorting" "dataframe" "r-faq"

　　## $: chr [1:4] "r" "sapply" "tapply" "r-faq"

　　## $: chr [1:5] "r" "join" "merge" "dataframe" ...

　　## $: chr [1:2] "r" "ggplot2"

　　以上所有数据采集过程都在同一个网页上进行。想象一下如果你需要从多个页面采集

　　我应该怎么做来采集数据？假设我们访问此页面上的每个问题（例如

　　q/5963269/2906900）。注意右上角有个“信息框”（information box），我

　　我们以列表的形式提取每个问题的“信息框”，如图14-14所示。

　　通过检查，我们发现#qinfo正是每个问题页面的“信息框”

　　“键”（key）。然后，选择所有问题的超链接并提取每个问题的 URL

　　并迭代，读取每个问题页面，然后使用#qinfo从中提取信息框：

　　问题 %>%

　　html_ _nodes(".question-超链接") %>%

　　html_ _attr("href") %>%

　　lapply（功能（链接）{