R:站点抓取器的想法

Question

在这里度过一段艰难的时光。请导航到http://www.cbioportal.org/public-portal/index.do

它的底部写着：“从示例基因集合中选择”。如果你点击这些集合中的任何一个，基因列表就会出现在它的上方。我想提取列表中每一项的基因，但该列表不在源HTML中。

有什么想法吗？

谢谢!

Answer 1

该网页实际上使用了JSON来提取包含的数据，您可以使用rjson轻松地提取所有这些数据。这段代码将读取所有数据：

library(rjson)
json=fromJSON(file='http://www.cbioportal.org/public-portal/portal_meta_data.json')

user_genes = json$gene_sets[2:length(json$gene_sets)] # Remove first 'header' entry
df = data.frame(do.call(rbind,user_genes))
row.names(df) = NULL # Strip off ugly row names