提取超链接 - R 编程语言

在 R 编程语言中，我们经常需要从网页中获取数据。其中最常见的任务是从网页中提取超链接。本文将介绍如何在 R 中使用 rvest 包提取超链接。

步骤

1. 安装 rvest 包

   在 R 中安装 rvest 包可以使用以下命令：

   install.packages("rvest")
   

2. 从网页中获取 HTML 内容

   使用 read_html() 函数读取并解析网页。例如，以下代码获取百度首页的 HTML 内容：

   library(rvest)
   
   url <- "https://www.baidu.com/"
   html <- read_html(url)
   

3. 提取超链接

   使用 html_nodes() 函数选择包含超链接的节点，并使用 html_attr() 函数提取超链接。例如，以下代码提取百度首页的所有超链接：

   links <- html_nodes(html, "a")
   hrefs <- html_attr(links, "href")
   

   在这里，html_nodes() 函数选择了所有的 <a> 元素，html_attr() 函数提取了这些元素的 href 属性。你可以选择不同的元素和属性来提取你需要的超链接。

4. 结果

   最后，我们将提取到的超链接列表输出到控制台。

   cat("超链接列表：\n")
   cat(hrefs, sep = "\n")
   

   输出结果应该如下所示：

   超链接列表：
   https://www.baidu.com/gaoji/preferences.html
   http://www.baidu.com/duty/
   http://jianyi.baidu.com/
   ...
   

总结

使用 rvest 包从网页中提取超链接非常简单。只需要使用 html_nodes() 函数选择包含超链接的元素，再使用 html_attr() 函数提取超链接的属性即可。使用上述代码，你可以从任何网页中提取超链接，并将它们用于自己的项目中。