使用RVEST对<dl> <dt> <dd> html标记进行网络抓取

Question

我正在尝试使用rvest从二手车广告中提取一些数据。但是，我无法使用html_nodes()函数抓取构成< dl >、< dt >或< dd > html标记的数据。

更具体地说，我想在下面的数据框中抓取下面汽车广告的图像中的特征。https://www.autoscout24.be/nl/aanbod/mercedes-benz-slk-200-benzine-grijs-e77f7a3e-76b1-4676-88a0-b52c9574068a?cldtidx=3&cldtsrc=listPage

enter image description here

有谁能帮帮我吗？

谢谢!阿恩

Answer 1

这(以及其他几种组合--试错)我已经尝试过了。我希望有一个数据帧，其中标记是键，标记是值

install.packages("rvest")    
library(rvest)

autoscout_mercedes <- read_html("https://www.autoscout24.be/nl/lst/mercedes-benz?sort=standard&desc=0&ustate=N%2CU&cy=B&atype=C")

features <- autoscout_mercedes %>%    
      html_nodes("div.sc-ellipsis") %>%    
      html_nodes("a") %>%    
      html_attr("href")    

features

我还包含了一个html脚本的打印屏幕。enter image description here

Answer 2

这将是我的方法，使用这个示例链接：

link <- read_html("https://www.autoscout24.de/angebote/opel-corsa-1-2-16v-klima- 
                   nsw-zv-benzin-blau-f189ee9d-b634-4bb7-8051-0e4a1f62846f? 
                   &cldtidx=1&cldtsrc=listPage&searchId=1225151069")
name <- html_text(html_nodes(link, "dl > dt"))
name
value <- html_text(html_nodes(link, "dd"))
value
test <- data.frame(name,value)

head(test)
         h2            dd
1        Zustand \nGebraucht\n
2 Fahrzeughalter         \n3\n
3          Marke      \nOpel\n
4         Modell     \nCorsa\n
5  Erstzulassung      \n2000\n
6     Außenfarbe      \nBlau\n