如何解决使用rvest抓取时返回字符0
我正在尝试使用 rvest 进行一些网络抓取。我是 R 的新手,所以我有一点知识障碍。我想抓取以下网址:
https://www.spa.gov.sa/search.php?lang=ar&search=%D8%AD%D9%83%D9%85
这会指向一个阿拉伯语网站,但我认为您不需要能够阅读阿拉伯语来为我提供建议。基本上,这是该网站(不是搜索引擎)上特定搜索词的第一个结果页面。我想要做的是使用 rvest 抓取此页面以返回搜索返回的超链接的标题列表。使用 selectorgadget,我确定包含这些标题的节点称为“.h2Newstitle”。但是,当我尝试使用下面的代码抓取该节点时,我得到的只是“字符(0)”:
library(tidyverse)
library(rvest)
read_html("https://www.spa.gov.sa/search.php?lang=ar&search=%D8%AD%D9%83%D9%85") %>%
html_nodes(".h2NewsTitle") %>%
html_text()
我认为这里的问题与阿拉伯文本本身无关。我很确定一切都在 UTF-8 中,我可以在同一页面上抓取其他节点并毫无问题地返回阿拉伯文本。例如,下面的代码返回阿拉伯文本“بحث أسبوعي”,它对应于页面本身该节点中的阿拉伯文本:
read_html("https://www.spa.gov.sa/search.php?lang=ar&search=%D8%AD%D9%83%D9%85") %>%
html_nodes("WeeklySearch") %>%
html_text()
所以我不确定为什么当我尝试抓取“.h2NewsTitle”节点时,我只得到字符(0)作为回报。我想知道它是否与使用 JavaScript 或其他方式呈现的某些元素有关。这有点超出我的专业知识,所以任何关于如何进行的建议将不胜感激。我想继续使用 R,但我愿意切换到 Python/Beautiful Soup 或其他更适合的东西。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。