如何解决从R中的HTML表更正错位的单元格
我是R的初学者,非常感谢您的帮助!我正在尝试将提取的HTML表格式化为数据框。但是,R在读取表时会将这些值放在某些单元格中的不同单元格中,从而使某些行混合起来。我正在使用基本的getURL()和ReadHTMLTable()来提取表。
例如,如果原始表是这样的:
W - X - Y - Z
A - 2 - 3 - 5
B - 4 - 5 - 9
C - 6 - 4 - 10
它显示如下:
W - X - NA - NA
Y - Z - NA - NA
A - 2 - 3 - 5
4 - 5 - 9 - NA
C - 6 - 4 - 10
具体来说,尝试提取有关life expectancies from Wikipedia的表时遇到了这个问题。我有什么办法可以解决这个问题(手动?)?
再次感谢您!
解决方法
使用rvest
的解决方案,
library(rvest)
page <- read_html("https://en.wikipedia.org/wiki/List_of_countries_by_life_expectancy")
first_table <- page %>% html_nodes("[class='wikitable sortable']") %>% html_table(fill=TRUE)
second_table <- page %>% html_nodes("[class='sortable nowrap mw-datatable wikitable']")%>% html_table(fill=TRUE)
以列表格式返回,您可以将其与
一起使用first_table[[1]]
second_table[[1]]
,
您可以使用rvest软件包:
library(rvest)
URL <- "https://en.wikipedia.org/wiki/List_of_countries_by_life_expectancy"
page <- read_html(URL)
tab <- html_table(page,fill=TRUE)[[1]]
head(tab)
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。