1. ?read_html(url, encoding = "") 下載html頁面, url為網(wǎng)址，encoding為網(wǎng)址編碼
2. ?html_form(x) 解析網(wǎng)頁的表單信息
eg: box_office <- read_html("http://www.boxofficemojo.com/movies/?id=ateam.htm")
? ? ? box_office %>% html_node("form") %>% html_form()
3. ?html_nodes(x, css, xpath)
? ? ?html_node(x, css, xpath) ?從html文件中選取標(biāo)簽
? ? ?CSS 選擇器參考手冊(cè) http://www.w3school.com.cn/cssref/css_selectors.asp
4. html_text(x) 讀取文本內(nèi)容
5. html_attr(x)讀取屬性值
library(rvest) #導(dǎo)入rvest包
num <- seq(0, 225, by = 25) #構(gòu)建0, 25，50，...，225的向量
info <- c()#初始化向量，用于存儲(chǔ)書籍信息
bookname <- c()#初始化向量，用于存儲(chǔ)書名
info1 <- c()#初始化向量，用于存儲(chǔ)循環(huán)采集到某一頁的書籍信息
bookname1 <- c()#初始化向量，用于存儲(chǔ)循環(huán)采集到某一頁得書名
for(i in num){
url <- paste0("https://book.douban.com/top250?start=",i) ?#構(gòu)建采集網(wǎng)址
webpage <- read_html(url) #下載網(wǎng)頁內(nèi)容
info1 <- html_nodes(webpage, "p[class='pl']") %>% html_text() #讀取書籍信息
bookname1 <- html_nodes(webpage, "div[class='pl2'] a") %>% html_text() #讀取書名
info <- c(info, info1) #新采集到的書籍信息，追加到info向量后
bookname <- c(bookname, bookname1) #新采集到的書名信息，追加到bookname向量后
}
topbook250 <- data.frame(bookname, info) #構(gòu)建數(shù)據(jù)框
