html - rvest - 仅选择类下的某些 href

Question

客观的

抓取指向零售商店位置的文件路径向量，同时忽略超链接的电话号码。我是使用 html 元素的新手。

我试过的

library(rvest)
library(tidyverse)
library(xml2)

store.paths <- read_html("https://www.walmart.com/store/directory/al/alabaster") %>%
    html_nodes(xpath = '//*[@class="store-directory-container"]') %>% 
    html_nodes("a") %>% 
    html_attr('href') 

产生

[1] "/store/4756"      "tel:[phone]" "/store/423"       "tel:[phone]"

而我的愿望输出是

[1] "/store/4756"  "/store/423"

我尝试替换store-directory-container为storeBanner，结果为空。

谢谢！

标签： htmlrrvest

Answer 1

看起来a你想要的标签也有类storeBanner，而电话链接没有。很容易抓住它们

store.paths <- read_html("https://www.walmart.com/store/directory/al/alabaster") %>%
  html_elements("a.storeBanner") %>% 
  html_attr('href') 

在这种情况下，我还使用了 CSS 选择器语法，因为它更简单，并且使用推荐html_elements功能，因为html_nodes它已被软弃用。您不能只用“storeBanner”替换“store-directory-container”，因为“a”标签位于“store-directory-container”下方，但在“storeBanner”的情况下，它是那个元素，而不是子元素那个元素。