使用 RVest 获取表格中的链接 HTML 文本

如何解决使用 RVest 获取表格中的链接 HTML 文本

我正在尝试获取此页面中列出的每个游戏的游戏 ID。

https://www.chess.com/member/bogginssloggins

这是我现在正在做的事情：首先，我使用 RSelenium 下载 HTML 并将其另存为 htmlfile.txt（除非您使用 Selenium，否则表格不会呈现）然后，我使用 RVest 来解析 HTML。

这是我的代码，跳过了 RSelenium 部分

library(rvest)
html <- read_html("htmlfile.txt")
GaMetable <- html %>% html_table() %>% .[[1]]

遗憾的是，GaMetable 不包含游戏 ID，仅包含表格中实际可见的数据。示例 GameID 类似于以下链接。

https://www.chess.com/analysis/game/live/9296762565?username=bogginssloggins

这些游戏在html中显示的非常多，但我不知道如何系统地抓取它们并将它们链接到表格的相应行。我的理想输出是网页上表格中的数据（例如游戏中的玩家、谁赢了等，但还包括游戏 ID 列。我相信要查找的重要内容之一是“存档游戏” -link”在html中。html中有20个链接，表中有20行，所以看起来它应该匹配。但是，当我执行下面的代码时

"htmlfile.txt" %>% read_html() %>%
  html_nodes("[class='archived-games-link']") %>% 
  html_attr("href")

我只返回了 18 个结果，即使当我在 html 文档中按 ctrl+f 选择“archived-games-link”时，返回了 20 个结果。