r - 在 R 中从维基百科中提取特定表格

Question

我想从维基百科页面中提取第 20 个表 https://en.wikipedia.org/wiki/.. .
我现在使用此代码，但它只提取第一个标题表。

the_url <- "https://en.wikipedia.org/wiki/..."
tb <- the_url %>% read_html() %>% 
  html_node("table") %>% 
  html_table(fill = TRUE)

我应该怎么做才能得到特定的？谢谢!!

Answer 1

您可以根据与 id 为 Prize_money 的元素的关系进行 anchor 定，而不是索引表位置可以移动的位置。只返回一个节点以提高效率。避免使用较长的 xpath，因为它们可能很脆弱。

library(rvest)

table <- read_html('https://en.wikipedia.org/wiki/2018_FIFA_World_Cup#Prize_money') %>% 
  html_node(xpath = "//*[@id='Prize_money']/parent::h4/following-sibling::table[1]") %>% 
  html_table(fill = T)