我正在尝试使用XML包爬取一些表格数据(选举数据)。在浏览SO时,我发现了如何使用以下方法爬取单个url:
library(XML)
url <- "http://www.elecciones2011.gob.ar/paginas/paginas/dat99/DPR99999A.htm"
total <- readHTMLTable(url)
n.rows <- unlist(lapply(total, function(t) dim(t)[1]))
df<-as.data.frame(total[[which.max(n.rows)]])
通过上面的代码,我得到了一个足够不错的结果。我还能够(使用readLines函数和一些调整)获得一个包含所有我想要爬取的网址的向量。就像这样:
base_url <- "http://www.elecciones2011.gob.ar/paginas/paginas/"
urls <- paste(
base_url,
c(
"dat02/DPR02999A",
"dat03/DPR03999A",
"dat04/DPR04999A",
"dat05/DPR05999A",
"dat06/DPR06999A",
"dat07/DPR07999A",
"dat08/DPR08999A",
"dat09/DPR09999A",
"dat10/DPR10999A",
"dat11/DPR11999A",
"dat12/DPR12999A",
"dat13/DPR13999A",
"dat14/DPR14999A",
"dat15/DPR15999A",
"dat16/DPR16999A",
"dat17/DPR17999A",
"dat18/DPR18999A",
"dat19/DPR19999A",
"dat20/DPR20999A",
"dat21/DPR21999A",
"dat22/DPR22999A",
"dat23/DPR23999A",
"dat24/DPR24999A"
),
".htm",
sep = ""
)
我想创建一个函数,可以在所有的网址上运行readHTMLTable函数,并将结果存储在向量或数据框中(无论是一个还是多个都可以,哪个更容易)。我对R比较陌生,特别是对于函数不太熟悉。我尝试了一些代码,类似于...
tabla<- for (i in urls){
readHTMLTable(urls)
}
但实际上并不接近。