r - 使用 rvest 进行网络抓取时如何修复 R 'Error in UseMethod("xml_find_all")' 中的以下错误？

Question

我是 R 的新手，目前正在完成一项处理网络抓取的任务。

我应该读入此网页中的所有句子:https://www.cs.columbia.edu/~hgs/audio/harvard.html

这是我当前的代码:

library(xml2)
library(rvest)
url <- 'https://www.cs.columbia.edu/~hgs/audio/harvard.html'
read_html(url)
sentences <- url %>%
  html_nodes("li") %>%
  html_text()

每次我运行它，我都会得到这个错误:

Error in UseMethod("xml_find_all") : no applicable method for 'xml_find_all' applied to an object of class "character"

你能帮帮我吗？我不明白我做错了什么。

Answer 1

您忘记为 read_html(url) 分配一个变量(我想它应该是相同的 url)。所以 url %>% html_nodes("li") 正在读取一个“字符串”而不是一个“xml_document”，这是错误告诉你的(内部，rvest::html_nodes 调用函数 xml2::xml_find_all)。

你可以这样做:

html <- read_html(url)

sentences <- html%>%
  html_nodes("li") %>%
  html_text()

或者这个，如果你只读一次url

sentences <- read_html(url) %>%
  html_nodes("li") %>%
  html_text()