r - 用rvest阅读html。如何检查CSS选择器类是否包含任何内容？

Question

这是我第一次尝试处理HTML和CSS选择器。我正在使用R软件包rvest废弃Billboard Top 100网站。我感兴趣的一些数据包括本周的排名，歌曲，天气或歌曲是否是New，以及天气或歌曲是否有任何奖项。

我可以通过以下方式获得歌曲名称和排名：

library(rvest)
URL <- "http://www.billboard.com/charts/hot-100/2017-09-30"

webpage <- read_html(URL)
current_week_rank <- html_nodes(webpage, '.chart-row__current-week')
current_week_rank <- as.numeric(html_text(current_week_rank))

我的问题来自于新指标和奖励指标。歌曲按行列出，其中每100首包含在其中：

<article> class="chart-row char-row--1 js chart-row" ....
</article>

如果一首歌是新的，它将包含以下内容：

<div class="chart-row__new-indicator">

如果某首歌获得奖项，则其中将包含此类：

<div class="chart-row__award-indicator">

有没有一种方法可以查看class =“ chart-row char-row--1 js chart-row” ...的所有100个实例，并查看其中是否存在这些实例？我从current_week_rank获得的输出是一列100个值。我希望有一种方法可以做到这一点，这样我对每首歌都有一个观察。

感谢您的帮助或建议。

Answer 1

基本上相当于我上面指出的“问答”的定制版本。我不确定100％是否确定or是否按预期工作，因为示例页面中只有一行带有<div class="chart-row__new-indicator">，并且该行也恰好具有<div class="chart-row__award-indicator">标记。

#xpath to focus on the 100 rows of interest
primary_xp = '//div[@class="chart-row__primary"]'
#xpath which subselects rows you're after
check_xp = paste('div[@class="chart-row__award-indicator" or' ,
                     '@class="chart-row__new-indicator"]')

webpage %>% html_nodes(xpath = primary_xp) %>% 
  #row__primary for which there are no such child nodes
  #  will come back NA, and hence so will html_attr('class')
  html_node(xpath = check_xp) %>% 
  #! is a bit extraneous, as it only flips FALSE to TRUE
  #  for the rows you're after (necessity depends on
  #  particulars of your application)
  html_attr('class') %>% is.na %>% `!`

FWIW，您可以将 check_xp缩短为以下内容：

check_xp = 'div[contains(@class, "indicator")]'

它当然涵盖了 "chart-row__award-indicator"和 "chart-row__new-indicator"，但是如果存在这样的替代标记，则还将用包含 class的 "indicator"包裹其他节点（您必须自己确定）